论文部分内容阅读
将粒子群算法(PSO)与误差反传算法(BP)相结合,利用粒子群算法的全局突变性,使BP算法避免在神经网络权值寻优过程中陷入局部极小值。对Elman神经网络结构进行调整,并将PSO—BP算法用于改进后的Elman网络的权值修改。最后,对比了3种不同算法、结构的神经网络对水下机器人运动学模型的辨识结果,证明了基于PSO—BP算法的改进Elman神经网络对水下机器人运动模型,有较高的辨识精度。