论文部分内容阅读
针对网络控制系统时延的随机、时变、非线性等特性,提出了基于粒子群优化的BP神经网络的预测方法。对实测时延数据样本进行归一化处理,以BP神经网络误差的平方和作为粒子群优化算法的适应值函数;采用粒子群算法优化BP神经网络的初始权值和阈值;将粒子群算法中全局最优值输出作为BP神经网络的初始权值和阈值对时延样本数据进行训练预测。仿真表明,该时延预测算法的迭代次数减少,同时避免算法陷入极值点,预测精度更好。