免费论文摘要：鉴于粒子滤波与不决定图的动静体例确诊本领接洽

        动作对前沿高科技的会合运用，航天器凝固着洪量珍贵的才华、资力、人工、物力。对准莫大搀杂的航天器非线性体例，神经搜集不妨表现自己非线性、莫大容错、能处置搀杂形式、并行计划和设想回顾等特殊上风，处置很多保守本领难以处置或处置功效差的妨碍确诊困难。鉴于模子妨碍确诊本领运用体例的构造和动作常识举行确诊，是对保守确诊本领的一个冲破。在实际中的体例常常是动静举行的，所以动静体例鉴于模子的确诊获得了越来越多的关心。         开始，舆论接洽了鉴于神经搜集的静态确诊本领。神经搜集本能很大水平上在于于灵验的进修算法。正文接洽了一种鉴于遗传算法和卡尔曼滤波（GA&KF）的径向基神经搜集（RBFN）新本领。遗传算法（GA）大略，能找到重心值的全部最优值，而卡尔曼滤波（KF）算法具备鲜明赶快的进修功效和较高的辨别精度，将二者灵验的拉拢，不妨优化RBFN搜集重心节点和权重，普及搜集的迫近本领、减小输入缺点、保护进修功效与辨别精度。         其次，舆论对鉴于模子的动静体例确诊本领举行了接洽。在动静体例鉴于模子确诊中，状况空间巨细与元件个数、功夫是双指数联系。相信状况列举（K_Best）算法每个功夫只商量K个大概性最大的状况，灵验减小了列举空间，但当体例搀杂宏大或确诊周期长时，状况革新计划量较大。正文接洽了一种贯串粒子滤波与不决定图的动静体例确诊本领（PF_LUG），运用粒子在状况空间的散布好像其几率，并用不决定图标签的反向配合包办保守的正向轨迹列举。该算法灵验处置了由功夫引导的计划量延长题目，使功夫对搀杂度的感化由指数演算降为乘积演算。         结果，舆论运用Matlab与VC6.0软硬件东西对各算法举行了仿真，经过对仿真截止的领会比拟，对立于保守算法，鉴于遗传算法和卡尔曼滤波的RBFN搜集妨碍辨别本领与一种贯串粒子滤波与不决定图的动静体例确诊本领这两种矫正算法，普及了算法完全本能。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/293174.html