1、小波神經(jīng)網(wǎng)絡(luò)是建立在小波分析理論與人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)之上的新型網(wǎng)絡(luò),它結(jié)合了小波變換的時頻局部化特性和人工神經(jīng)網(wǎng)絡(luò)的自學(xué)能力,具有較強(qiáng)的逼近和容錯能力。因此,在復(fù)雜非線性問題、不確定、不確知系統(tǒng)問題的處理上表現(xiàn)出了優(yōu)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的能力,具有廣闊的發(fā)展空間和應(yīng)用前景。本文主要是對小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法和結(jié)構(gòu)設(shè)計(jì)進(jìn)行了研究,設(shè)計(jì)一個性能優(yōu)良的控制器,并對研究結(jié)果進(jìn)行了仿真。
　　 本文選用粒子群算法作為小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法。和遺傳

2、算法類似,粒子群算法也是一種基于迭代的優(yōu)化算法、它是通過個體間的相互合作來完成最優(yōu)解的搜索。粒子群算法沒有遺傳算法的交叉和變異,而是在系統(tǒng)隨機(jī)初始化一組隨機(jī)解后,粒子在解空間搜索最優(yōu)的粒子。
　　 粒子群優(yōu)化算法具有收斂速度快且不易陷入局部小的特點(diǎn),本文在這基礎(chǔ)之上對粒子群算法進(jìn)行進(jìn)一步的改進(jìn),提出了一種基于遺傳變異因子的改進(jìn)粒子群算法,即在粒子群算法中加入了遺傳算法中的交叉因子,并且在粒子群算法中引入了慣性權(quán)重因子,權(quán)重因子采