●1緒論
1.1研究的背景和意義
1.2相關領域研究概述
1.3自適應逆控制研究概述
1.4主要工作及內容安排
2限定記憶極限學習機
2.1神經網絡基礎知識
2.2基本ELM算法
2.3增長記憶極限學習機算法
2.4限定記憶極限學習機算法
2.5仿真實驗及分析
2.6小結
3基於AF-DE混合優化的極限學習機
3.1極限學習機優化問題
3.2人工魚群算法
3.3差分進化算法
3.4人工魚群差分進化混合優化算法
3.5基於AF-DE混合優化算法的極限學習機
3.6小結
4基於極限學習機的非線性繫統建模與逆建模
4.1非線性繫統模型辨識
4.2基於ELM的非線性繫統建模
4.3非線性繫統在線建模仿真實驗
4.4神經網絡非線性繫統逆建模
4.5非線性繫統在線逆建模仿真研究
4.6小結
5非線性自適應逆控制繫統
5.1自適應逆控制基本原理
5.2非線性RMELM-BPTM自適應逆控制繫統
5.3非線性RMELM-FEL自適應逆控制繫統
5.4小結
6汽輪機轉速自適應逆控制繫統研究
6.1汽輪機轉速控制繫統綜述
6.2汽輪機轉速自適應逆控制繫統
6.3仿真實驗及分析
6.4小結
7總結與展望
內容簡介
非線性自適應濾波技術是非線性自適應逆控制繫統設計和應用的基礎,針對當前非線性自適應濾波器采用梯度下降算法所帶來的收斂速度慢,容易陷入局部極點的缺陷,本文提出並推導了限定記憶極限學習機算法,該算法不僅能夠避免梯度下降算法的缺陷而且能夠克服“數據飽和”問題,是一種很好的非線性對像建模和逆建模方法。