基于Kalman濾波的系統(tǒng)建模與控制.pdf

1、神經(jīng)網(wǎng)絡(luò)是模仿生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能的數(shù)學(xué)模型?？柭鼮V波器是線性最小方差估計(jì),是一種進(jìn)行數(shù)據(jù)處理的最優(yōu)遞推算法。神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波都具備完善的數(shù)學(xué)理論,實(shí)際應(yīng)用也很廣泛,但這蹦套理論都有各自的一些缺陷。根據(jù)神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波在數(shù)學(xué)理論上的相通性和輔助組合上的適宜性,能夠?qū)⑦@兩種算法相結(jié)合,組成自適應(yīng)性強(qiáng)、智能的、高精度的組合算法,既利用了卡爾曼濾波的估計(jì)能力也利用了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力。本文主要對(duì)神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波相結(jié)合的組合算法

2、進(jìn)行研究。并將組合算法應(yīng)用于未知參數(shù)LQG問(wèn)題的研究一1一。
　　首先研究了基于卡爾曼濾波的RBF神經(jīng)網(wǎng)絡(luò)。這里以擴(kuò)展卡爾曼濾波作為學(xué)習(xí)算法學(xué)習(xí)網(wǎng)絡(luò)的權(quán)值和中心,通過(guò)與兩種傳統(tǒng)算法聚婁法、OLS法的比較,這種新方法誤差更小,精度更高。
　　其次是關(guān)于RBF神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波器的研究。這里以卡爾曼濾波算法為主體,從補(bǔ)償技術(shù)的角度出發(fā),通過(guò)采用RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)卡爾曼濾波的預(yù)測(cè)結(jié)果,并在時(shí)問(wèn)更新部分對(duì)相應(yīng)結(jié)果進(jìn)行修正,從而改