基于BP神经网络的系统辨识分析.docx

系统辨识与自适应 基于BP神经网络的系统辨识 电气与自动化工程学院，控制理论与控制工程3班，王晓，学号：140820082 摘要：BP神经网络是一种具有反向修正功能的神经系统，具有的非线性特性和学习能力且已被证明具有逼近任意有界函数的能力。它有能力辨识那些不能线性化的非线性系统,不需要预先知道被测系统的模型。BP神经网络结构具有较强的自适应能力,并行处理和高度鲁棒性,采用神经网络方法设计的控制系统将具有更强的实时性,更强的适应能力和更强的鲁棒性。 1引言 传统的系统辨识方法有着很多的不足，主要表现在:它要求研究人员给出系统模型的结构及阶次，即模型的建立要立足于函数的求解，这个过程是很难实现,因此确定模型参数的系统辨识理论的研究和应用都还局限于线性系统。人工神经网络是由大量而简单的神经元按某种方式连接形成的智能仿生动态网络，依靠计算机强大处理能力来实现对信息的处理。其具有的非线性特性和学习能力，为解决复杂的非线性、不确定系统的辨识问题,开辟了一条有效的途径。它不需要预先知道被测系统的模型就可以将系统模型辨识出来，这是神经网络辨识的优势所在。 2 BP神经网络 BP网络是一种利用误差反向传播训练算法的神经网络，简称BP(Back Propogation)网络，结构图如图1所示，是一种有隐含层的多层前馈网络，系统地解决了多层网络中隐含单元连接权的学习问题。 如果网络的输入节点数为