第十一课 神经网络系统辨识 人工神经网络理论及应用课件.ppt

人工神经网络理论及应用 屈桢深 哈尔滨工业大学 系统辨识应用 控制系统的分析和设计 自适应控制：辨识器作为被控对象的模型， 调整控制器参数，获得较好的控制效果 建立辨识系统的逆模型，作为控制器 预测、预报：建立时变模型，预测其参数， 以实现系统参数的预测、预报。 监视系统运行状态，进行故障诊断 神经网络——解决非线性系统的离线/在线辨识问题 系统辨识理论基础 定义：在输入/输出数据基础上，从一组给定模型类中确定一个所测系统等价的模型。 辨识三要素： 输入/输出数据 模型类(系统结构) 等价准则 e.g. 符号 P: 待辨识系统； 辨识系统模型 u: 输入 y: 输出； 辨识模型产生的输出； w: 实际参数； 辨识参数 k: 采样时刻 J: 指标函数 v: 输出噪声 h: 数据向量 ：神经元作用函数 系统辨识问题表述 以SISO离散动态系统为例 {u(k), y(k)}是输入/输出时间序列(观测量) 根据观测量确定模型 ，使指标函数最小 模型辨识结构 误差准则 (1)输出误差 (2)输入误差 (3)广义误差 表达形式？ 辨识主要步骤 输入信号满足条件 充分激励原理：输入信号必须激励系统的所有动态； 激励时间充分长； 输入信号形式： 白噪声序列(均匀分布，正态分布)； 二进制伪随机码(M序列和逆M序列)；