子波神经网络及其在自动目标识别中的应用

本文分析了于波神经网络（ＷＮＮ）的生理依据，构造了便于启发式特征抽取的子波。研究了该子波及其相应的ＷＮＮ在非相干雷达船目标特征抽取中的应用。对现场实录的四类船目标回波数据进行实验，结果表明新构造的低维特征具有较高的目标分类应用价值，抗噪性能良好．     

基于小波网络的水下机器人执行器故障诊断

针对水下机器人系统的不确定性使得对其进行建模比较困难的特点,提出采用一种改进的小波网络进行水下机器人运动建模。该网络通过学习,调节小波函数的伸缩和平移以及网络连接权,既能逼近函数的整体轮廓,亦能捕捉函数变化细节,使得函数的逼近效果较好。通过比较模型的输出(运动状态估计值)与实际测量值来产生残差,分析残差提取故障判断准则,从而进行执行器故障诊断。仿真试验验证了该方法的有效性。     

小波神经网络对CDMA基带信号的消噪处理

为了最大限度地抑制无线信道中背景噪声对CDMA通信系统前向链路的影响，提高移动终端的接收信噪比，利用小波神经网络能自适应消除背景噪声的特点，对CDMA基带信号进行消噪处理。基于这种消噪模式，对整个CDMA通信系统的消噪处理过程进行了理论分析和计算机仿真，结果表明：这种消噪模式可以改善无线传播信道对CDMA通信系统中输入信噪比门限的影响。因此，利用小波神经网络对CDMA基带信号进行消噪处理，可以取得较理想的消噪效果。     

基于模糊小波聚类混合的多目标覆盖质量评估方法

面向双层无线传感器网络覆盖质量评估,设计出基于模糊小波聚类混合的多目标覆盖质量评估方法。建立网络单元概念和双层网络模型,在各汇聚节点开展各子目标预处理。集中建立二次预警机制:设计基于模糊小波神经网络的分析融合子系统,实现一次预警,选出显著低效覆盖单元;构建决策输出子系统,设计基于k均值聚类算法的多等级网络单元评价体系,实现二次预警,并呈现全部低效覆盖单元。实验表明,该方法从覆盖面积、能耗均衡、传输便利等方面综合评估,能够精确判定低效覆盖单元,有助于及时重部署,维护网络健康运行。     

基于MAPSO算法的小波神经网络训练方法研究

为提高小波神经网络(Wavelet Neural Network,WNN)的建模质量,针对标准粒子群(Particle Swarm Optimization,PSO)算法优化WNN存在的早熟和局部收敛问题,提出一种基于多粒子信息共享(Multi-particle information share)和自适应惯性权重(Adaptive inertia weight)策略的PSO方法(MAPSO)用于WNN训练。多粒子信息共享采用多粒子信息来修正各粒子下一次的行动策略,以降低粒子陷入局部最优的可能性;惯性权重自适应调整根据群体早熟收敛程度,按个体适应度自适应调整惯性权重,以使陷入局部最优粒子跳出。同时,给出了算法实现的基本流程。仿真结果表明MAPSO算法既具有PSO算法的简捷性,又能够提高WNN学习速度和精度及全局搜索能力,是小波网络的有效训练方法。     

SA-LM优化WNN及其在模拟电路故障诊断中的应用

针对连续紧凑型小波神经网络（WNN）收敛速度慢问题,提出了用Levenberg-Marquardt（LM）算法改进的小波神经网络LM-WNN．为了克服LM-WNN由于收敛速度过快易陷入局部最小点和平台的缺点,利用模拟退火（SA）算法对小波神经网络的参数进行优化,得到一组接近全局最小值的近似解,把近似解作为小波神经网络权值和阈值矩阵的初始值,以确保LM-WNN收敛于全局最小点．把SA-LM-WNN用于模拟电路故障诊断,仿真结果表明,该算法能够快速收敛于全局最小点,仿真效果较好．     

一种基于小波神经网络混合模型的说话人识别方法

提出一种混合模型,即将隐马尔可夫模型(HMM)和小波神经网络(WNN)相结合应用于说话人识别的模型.该方法利用HMM的时序建模能力以及小波神经网络较强的模式分类能力,进行与文本无关的说话人的识别.实验表明,采用这种混合模型可以提高系统的识别率,特别在噪声环境中具有一定的噪声鲁棒性,提高了识别性能.     

基于改进果蝇的混合小波神经网络交通流预测

为了提高交通流预测精度,提出了一种基于果蝇算法的混合小波神经网络模型.首先,选择果蝇优化算法对小波神经网络的初始参数进行调节,解决了小波神经网络预测对初始参数敏感的问题.其次,将迭代次数和当前解的情况作为搜索半径和种群规模的动态调整因子,对果蝇算法进行了改进,提高了果蝇算法的全局寻优能力和局部收敛速度.最后,鉴于小波神经网络预测误差存在一定的规律性,使用误差补偿法将调参后的小波神经网络与其他模型进行组合,进行二次误差提取.实验证明,所有混合模型均提高了交通流预测的准确度,其中,与随机森林模型的结合预测精度最高.     

基于小波网模型的区域供热系统负荷预测

中国的供热系统运行调节中普遍存在由于系统本身的热惯性等因素导致供热量不能实时跟随需求量调整的问题。将小波网络引入热力过程优化运行,通过综合分析系统运行数据间关系,识别供热系统复杂非线性动态特性,建立区域供热系统热负荷小波预测模型。仿真实验表明,该方法在网络规模和预测精度上优于常规多层前馈神经网络。实际运行预测结果表明,该方法辨识精度高,实时性强。     

基于模型迁移的磨矿过程混合蛙跳算法-小波神经网络软测量建模及重构

摘要：
以磨矿过程的关键工艺指标(磨矿粒度和磨机排矿速率)为预测对象,提出一种基于小波神经网络（WNN）的自适应软测量建模方法.通过对磨矿过程工艺的分析,选取了软测量模型的辅助变量,利用混合蛙跳算法(SFLA)对WNN软测量模型的结构参数(小波函数伸缩因子、平移因子和网络连接权重)进行优化,实现软测量模型输入输出变量之间的非线性映射;并采用模型迁移思想及输入输出修正规划方法实现软测量模型的重构,以解决输入矿石品位改变这一动态工况下的模型自适应校正问题.仿真结果表明,所提出的模型能够显著提高磨矿过程中经济技术指标预测的精度和鲁棒性,满足磨矿生产过程的实时控制要求.
关键词：
磨矿过程; 软测量; 小波神经网络; 混合蛙跳算法; 模型迁移
中图分类号： TK 232
文献标志码： A