广义状态转移矩阵的神经网络识别IDENTIFICATION OF.PDF

CNIC-01599 CAEP-0093 广义状态转移矩阵的神经网络识别 IDENTIFICATION OF GENERALIZED STATE TRANSFER MATRIX USING NEURAL NETWORKS (In Chinese) 中 国 核 情 报 中 心 China Nuclear Information Centre CNIC-01599 CAEP-0093 广义状态转移矩阵的神经网络识别 朱长春 ( 中国工程物理研究院，绵阳，621900) 摘 要 介绍用神经网络方法对系统状态转移矩阵进行识别的研究。 首先，在定义了线性时不变系统（LTI ）的广义状态转移矩阵的基 础上，从理论上建立广义状态转移矩阵的识别与神经网络的权值 矩阵识别的相互等价关系。接着推导了网络权值矩阵的约束情况， 利用基于 LM 方法的神经网络功能强大的并行运算能力和丰富的 学习功能，以单层线性神经网络来识别 LTI 的广义状态转移矩阵 以获取结构参数。为了考虑实际工程应用, 对系统的激励和响应分 别添加 5%和 10%的噪声, 验证了该方法的有效性。最后，通过识 别获得的神经网络仿真系统在任意其它激励下的响应，可用于结 构的响应预测、振动控制及参数识别中。 关键词： 神经网络，LM 方法，线性时不变系统，参数识别，广义状态转移矩阵 1 Identification of Generalized State Transfer Matrix Using Neural Networks (In Chinese) ZHU Changchun (China Academy of Engineering Physics, Mianyang, 621900) ABSTRACT The research is introduced on identification of generalized state transfer matrix of linear time-invariant (LTI) system by use of neural networks based on LM (Levenberg-Marquart) algorithm. Firstly, the generalized state transfer matrix is defined. The relationship between the identification of state transfer matrix of structural dynamics and the identification of the weight matrix of neural networks has been established in theory. A singular layer neural network is adopted to obtain the structural parameters as a powerful tool that has parallel distributed processing ability and the property of adaptation or learning.