基于混沌蟻群的神經(jīng)網(wǎng)絡(luò)速度辨識(shí)器研究
作者：
時(shí)間：2010-06-11
來(lái)源：網(wǎng)絡(luò)
收藏
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對(duì)面交流
海量資料庫(kù)查詢(xún)
蟻群算法的基本公式如下：
2.2混沌蟻群算法
混沌蟻群算法(CACO)是受到自然界螞蟻?zhàn)咝械?a class="contentlabel" href="http://butianyuan.cn/news/listbylabel/label/混沌">混沌特點(diǎn)和整個(gè)種群的自組織特點(diǎn)的啟發(fā)。它利用混沌的遍歷性和隨機(jī)性等特點(diǎn)來(lái)將混沌擾動(dòng)算子引入蟻群算法，并將帶有混沌特征的初始化變量線性映射到變量取值區(qū)間。該方法兼顧了混沌動(dòng)態(tài)搜索和智能搜索的特點(diǎn)，可有效地避免搜索過(guò)程中陷入局部最優(yōu)，從而達(dá)到提高算法速度和全局尋優(yōu)的能力。
(1)混沌初始化
設(shè)τij(t)為t時(shí)刻路徑上的信息濃度，利用混沌運(yùn)動(dòng)的遍歷性進(jìn)行混沌初始化?；煦缱兞窟x擇典型的混沌系統(tǒng)Logistic映射迭代公式如下：
式中，μ為控制參數(shù)，當(dāng)μ=4時(shí)，Logistic完全處于混沌狀態(tài)，此時(shí)系統(tǒng)在[0，1]之間具有遍歷性。如果利用全排列理論將每個(gè)混沌變量對(duì)應(yīng)于一條路徑，也就是為每條路段上的信息素濃度根據(jù)混沌量給定初始值τij(0)，就可以有效地解決基本蟻群算法收斂速度慢的問(wèn)題。
(2)引入混沌擾動(dòng)量
在蟻群算法中，如果螞蟻后從點(diǎn)i至某一點(diǎn)j，則在路徑ij上留下信息素τij(t)。螞蟻k在走完任意一路徑以后，將按式(5)更新該路徑上的信息素?？梢钥闯觯烁路椒ㄔ诩涌鞂?yōu)的同時(shí)，卻容易陷入局部最優(yōu)解。因此，在此處引入混沌擾動(dòng)量來(lái)調(diào)整信息素，以使其避免陷入局部最優(yōu)極值區(qū)間。改進(jìn)后的式子為：
其中，Xij為混沌擾動(dòng)量，可采用典型混沌系統(tǒng)Logistic映射得到，q為相關(guān)系數(shù)。
2.3 混沌蟻群算法的實(shí)現(xiàn)步驟
實(shí)現(xiàn)混沌蟻群算法的具體步驟如下：
Step1：初始化BP網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)定網(wǎng)絡(luò)的輸入層、隱含層、輸出層的神經(jīng)元個(gè)數(shù)；
Step2：混沌初始化信息素濃度、個(gè)體最優(yōu)和全局最優(yōu)；
Step3：用公式(4)計(jì)算每只螞蟻的轉(zhuǎn)移概率；
Step4：根據(jù)每只螞蟻的轉(zhuǎn)移概率得出本次最優(yōu)路徑并最優(yōu)值比較，若更優(yōu)，則更新最優(yōu)值；
Step5：將每只螞蟻的最優(yōu)值與整個(gè)蟻群的最優(yōu)值相比較，若更優(yōu)，則其將成為整個(gè)蟻群新的最優(yōu)值；
Step6：更新并按公式(9)修改路徑ij上的信息素濃度；
Step7：比較次數(shù)是否達(dá)到預(yù)設(shè)的精度，若滿足預(yù)設(shè)精度，則最后一次迭代的全局最優(yōu)值中每一維的權(quán)值和閾值就是所求的；否則返回step3，算法繼續(xù)迭代，直至滿足條件為止。
3基于DTC的系統(tǒng)仿真
3.1直接轉(zhuǎn)矩控制系統(tǒng)結(jié)構(gòu)
直接轉(zhuǎn)矩控制(DTC)系統(tǒng)的結(jié)構(gòu)原理如圖2所示。在α-β坐標(biāo)系下，通過(guò)獲得定子電壓Usα、Usβ，定子電流Isα、Isβ及定子電流導(dǎo)數(shù)pIsα、pIsβ歸一化后，即可構(gòu)成神經(jīng)網(wǎng)絡(luò)的六個(gè)輸入，再經(jīng)過(guò)反歸一化，即可得到轉(zhuǎn)子轉(zhuǎn)速ω，從而構(gòu)建一個(gè)動(dòng)態(tài)轉(zhuǎn)速估計(jì)器。
評(píng)論