基于Kalman濾波的系統(tǒng)建模與控制.pdf

1、神經網(wǎng)絡是模仿生物神經網(wǎng)絡結構和功能的數(shù)學模型。卡爾曼濾波器是線性最小方差估計,是一種進行數(shù)據(jù)處理的最優(yōu)遞推算法。神經網(wǎng)絡和卡爾曼濾波都具備完善的數(shù)學理論,實際應用也很廣泛,但這蹦套理論都有各自的一些缺陷。根據(jù)神經網(wǎng)絡和卡爾曼濾波在數(shù)學理論上的相通性和輔助組合上的適宜性,能夠將這兩種算法相結合,組成自適應性強、智能的、高精度的組合算法,既利用了卡爾曼濾波的估計能力也利用了神經網(wǎng)絡的學習能力。本文主要對神經網(wǎng)絡和卡爾曼濾波相結合的組合算法

2、進行研究。并將組合算法應用于未知參數(shù)LQG問題的研究一1一。
　　首先研究了基于卡爾曼濾波的RBF神經網(wǎng)絡。這里以擴展卡爾曼濾波作為學習算法學習網(wǎng)絡的權值和中心,通過與兩種傳統(tǒng)算法聚婁法、OLS法的比較,這種新方法誤差更小,精度更高。
　　其次是關于RBF神經網(wǎng)絡輔助卡爾曼濾波器的研究。這里以卡爾曼濾波算法為主體,從補償技術的角度出發(fā),通過采用RBF神經網(wǎng)絡學習卡爾曼濾波的預測結果,并在時問更新部分對相應結果進行修正,從而改