基于混沌蟻群的神經(jīng)網(wǎng)絡(luò )速度辨識器研究
近年來(lái),由于神經(jīng)網(wǎng)絡(luò )的研究取得了長(cháng)足的進(jìn)展,基于BP神經(jīng)網(wǎng)絡(luò )模型的速度辨識方法得到了廣泛研究,但其仍存在收斂速度慢、易陷入局部極小值等問(wèn)題,因此,對神經(jīng)網(wǎng)絡(luò )的優(yōu)化一直是當前的研究熱點(diǎn)。本文將混沌引入到蟻群算法(Ant Colony Optimization,ACO)當中,以形成混沌蟻群算法(Chaos Ant Colony Optimization,CACO),從而提高了對于BP神經(jīng)網(wǎng)絡(luò )的優(yōu)化效率和精度,解決了上述問(wèn)題;同時(shí),也在對異步電機直接轉矩控制(DTC)轉速辨識的仿真試驗中,實(shí)現了對電機轉速的準確辨識。
1 BP神經(jīng)網(wǎng)絡(luò )的缺點(diǎn)
BP神經(jīng)網(wǎng)絡(luò )是目前控制領(lǐng)域中應用廣泛的一種神經(jīng)網(wǎng)絡(luò )模型,其學(xué)習過(guò)程由信息前向計算和誤差反向傳播過(guò)程組成。它采用梯度搜索技術(shù),可使網(wǎng)絡(luò )的實(shí)際輸出值與期望輸出值的誤差均方值最小化。此外,該網(wǎng)絡(luò )還具有良好的非線(xiàn)性映射和泛化能力。BP神經(jīng)網(wǎng)絡(luò )的結構如圖1所示。

BP神經(jīng)網(wǎng)絡(luò )的數學(xué)模型為:

其中,xj為輸入層節點(diǎn)輸出,yi為隱含層節點(diǎn)輸出,O1為輸出層輸出。輸入層節點(diǎn)與隱含層節點(diǎn)間的網(wǎng)絡(luò )連接權值為ωij;隱含層節點(diǎn)與輸出層節點(diǎn)間的網(wǎng)絡(luò )連接權值為T(mén)li;輸出層節點(diǎn)l的期望輸出為t1。f(net)為傳遞函數。為此,其網(wǎng)絡(luò )連接權值的調整公式如下:

其中,η為學(xué)習速率(η>0);k為訓練次數,α為平滑因子(0α1),為隱層節點(diǎn)誤差。
2 BP神經(jīng)網(wǎng)絡(luò )的混沌蟻群優(yōu)化過(guò)程
2.1基本蟻群算法
ACO的基本思路是:在算法的初始時(shí)刻,將一定數量的螞蟻隨機放在給定的N座城市上,并設此時(shí)各路徑上的信息素相等。螞蟻在運動(dòng)過(guò)程中根據各條路徑上的信息素量獨立選擇下一城市。螞蟻系統使用的轉移規則是根據螞蟻在兩個(gè)城市之間的轉移概率來(lái)進(jìn)行路徑選擇。在完成一次循環(huán)后,螞蟻在路徑上釋放一定量的信息素。完成一次循環(huán)所走過(guò)的路徑就是問(wèn)題的一個(gè)解,當所有螞蟻都完成循環(huán)后,即可得到最優(yōu)解。
評論