智能控制4.神经网络模型辨识.ppt

天津大学自动化学院 * 智能控制系统 天津大学电气与自动化工程学院 八 天津大学自动化学院 4. 神经网络模型辨识 神经网络所具有的非线性变换特性和高度的并行运算能力为系统辨识提供了有效的途径。 4.1 正向建模 使用多层前馈型神经网络表达系统正向的动力学模型 图4-14 正向建模 天津大学自动化学院 4. 神经网络模型辨识 设被辨识动态系统可由以下非线性离散时间差分方程来表示 则可使用神经网络代替模型中的非线性函数。根据被辨识模型的输入和输出来调整网络的连接权值。 并列型 串联并列型 天津大学自动化学院 4. 神经网络模型辨识 1）并列型网络结构 天津大学自动化学院 4. 神经网络模型辨识 2）串联并列型网络结构 天津大学自动化学院 4. 神经网络模型辨识 例：假设动态系统模型为 使用辨识模型 其中 都采用用含有两层隐层的前向网络，网络为单输入单输出，隐层节点分别取20和10。使用BP算法，学习速率0.2。 天津大学自动化学院 4. 神经网络模型辨识 4.2 逆模型 使用多层前馈型神经网络表达系统反向的动力学模型。 假定非线性函数 f 可逆，动态系统逆模型可