شناسایی سیستم های غیر خطی با استفاده از شبکه موجک فازی عصبی و روش بهینه یابی ازدحام ذرات PSO-FWNN

شناسایی سیستم های غیر خطی پیچیده هموار یکی از زمینه های چالش برانگیز در مسائل مهندسی می باشد شبکه های فازی عصبی که در سال های اخیر مطرح شده اند در شناسایی سیستم های غیر خطی کاربرد زیادی دارند همچنین به دلیل خاص محلی بودن موجک ها در حوزه زمان و فرکانس استفاده از موجک ها در شبکه های فازی عصبی می تواند سیستم های غیر خطی را در فرکانس های بالا و پایین تجربه کرده و بازسازی سیگنال را دقیق تر انجام دهد بنابراین در این مقاله به منظور شناسایی سیستم ها از شبکه موجک فازی عصبی FWNN استفاده شده است روند آموزش و به روز رسانی این شبکه مهمترین بخش ان می باشد در این مقاله از روش شیب گرادیان به منظور آموزش شبکه استفاده شده است در این روش خروجی شبکه حساسیت زیادی نسبت به پارامترهای نرخ آموزش و ممان دارد در این مقاله سعی بر آن است تا با استفاده از روند بهینه یابی ازدحام ذرات PSO این مقادیر بهینه یابی شوند در نهایت روش PSO-FWNN مطرح شده با انجام چند شبیه سازی مورد آزمایش قرار گرفته است نتایج شبیه سازی نشان از دقت بالای روش مطرح شده دارد

کلیدواژه ها:

شناسایی سیستم ، شبکه های فازی عصبی ، موجک ، الگوریتم ازدحام ذرات