人工神经网络系统辨识综述.pdfVIP

第10卷第3期 软件导刊 V01．10NO．3 20l1，寸3月 SoftwareGUide Mar．2011 人工神经网络系统辨识综述 茹 菲，李铁鹰 (太原理工大学信息工程学院，山西太原030024) 摘 要：当今社会，系统辨识技术的发展逐渐成熟。人工神经网络的系统辨识方法的应用也越来越多．遍及各个领域。 首先对神经网络系统辨识方法与经典辨识法进行对比，显示出其优越性，然后再通过对改进后的算法具体加以说明， 最后展望了神经网络系统辨识法的发展方向。 关键词：神经网络；系统辨识；系统建模 中图分类号：TP393．17 文献标识码：A 文章编号：1672—7800(2011)03—0134—02 神经网络，包括前向网络和递归动态网络，将确定某 0 引言 一非线性映射的问题转化为求解优化问题，有一种改进的 系统辨识方法就是通过调整网络的权值矩阵来实现这一 随着社会的进步，越来越多的实际系统变成了具有不 优化过程。 确定性的复杂系统，经典的系统辨识方法在这些系统中应 1．2辨识原理 用，体现出以下的不足： 选择一种适合的神经网络模型来逼近实际系统是神经 (1)在某些动态系统中，系统的输入常常无法保证，但 网络用于系统辨识的实质。其辨识有模型、数据和误差准 是最小二乘法的系统辨识法一般要求输入信号已知，且变 则三大要素。系统辨识实际上是一个最优化问题，由辨识 化较丰富。 的目的与辨识算法的复杂性等因素决定其优化准则。通过 (2)在线性系统中，传统的系统辨识方法比在非线性 建立系统的依赖于参数的模型，把辨识问题转化为对模型 系统辨识效果要好。 参数的估计问题，是传统的辨识算法。这类算法较成功的 (3)不能同时确定系统的结构与参数和往往得不到全 应用于线性系统或本质线性系统。神经网络用于系统辩识 局最优解，是传统辨识方法普遍存在的两个缺点。 的一个优点是它不需要预先建立实际系统的辩识格式，它对 随着科技的继续发展，基于神经网络的辨识与传统的 系统的辩识过程就是直接学习系统的输入输出数据的过程。 辨识方法相比较具有以下几个特点：第一，可以省去系统 一般的，基于输出误差的神经网络辩识原理如图l所示。 机构建模这一步，不需要建立实际系统的辨识格式；其次， 辨识的收敛速度仅依赖于与神经网络本身及其所采用的 学习算法，所以可以对本质非线性系统进行辨识；最后可 以通过调节神经网络连接权值达到让网络输出逼近系统 ”㈨恻I 输出的目的；作为实际系统的辨识模型，神经网络还可用 图1神经网络辨识原理 于在线控制。 1．3人工神经网络的特点 人工神经网络与传统的基于算法的辨识方法相比较， 1 神经网络系统辨识法 具有以下优点： (1)神经网络的可调参数反映在网络内部的连接权 1．1神经网络 上，这就可以省去对系统建模这一步骤。 人工神经网络迅速发展于20世纪末，并广泛地应用 (2)可以对本质非线性系统进行辨识，这是一种非算 于各个领域，