小波网络是建立在小波分析理论基础上的一种新型神经网络结构。小波网络与常规神经网络相比,其优越性在于可以借助小波分析的有关理论便于确定网络的拓扑结构,并且由于其输出与权值是线性关系,可以直接利用LS等方法进行权值修正,便于实时、在线应用,应该说小波网络比普通神经网络更具有广阔的发展潜力。 本文详细介绍了小波网络的产生和发展,小波网络的结构特点、学习算法以及在控制领域的应用。对小波网络的初始参数选取,隐节点的选取,并对小波网络和神经网络进行了比较,从中不难看出小波网络用于非线性动态系统中的建模和控制领域中的优势。 本文将离散正交小波网络和连续参数小波网络的算法进行了归纳和分析,详细介绍了梯度下降法、PIDBP算法、Lenvenberg-Marquardt混合算法、Gauss-Newton类算法(卡尔曼滤波算法、预报误差法)在小波网络中的应用。并针对小波网络优化问题,介绍了正交方法的网络优化法、基于AIC方法MGS优化方法;同时对对上述算法进行了分析。此外结合连续参数小波网络,提出一种BFGS+LS算法,该算法训练网络具有快速性和稳定性,并通过仿真实例进行了说明。 针对以上结果,将小波网络用于模型参考自适应控制,就基于小波网络的PID自整定控制和模型参考自适应控制方法进行了理论探讨和仿真试验,并就两种控制方案的跟踪性能、抗干扰能力和鲁棒性能进行了分析和比较。最后以CSTR为控制实例,应用前面所探讨基于模型参考的自适应控制策略,并与PI控制方案进行了对比,仿真取得了较满意的结果,并就仿真结果进行了分析。