神经网络第三章.pptVIP

第3章 神经控制中的系统辨识 3.1 辨识模型　　辨识模型只是被测系统在一定环境下的近似描述，选择只能在以下情况中确定：　　是选择静态模型，还是选择动态模型？　　是选择参数模型，还是选择非参数模型？必须考虑：1) 模型的用途；(2) 被测对象的精确度与复杂程度；(3) 系统的控制方式，是自适应控制还是实时控制；(4) 使用神经网络，可以选择三层网络通过仿真比对完成，当前神经网络理论尚未明确指出需要几个隐层节点数才能模拟出系统。 一、使用参数模型辨识的方法 从输入输出数据中提取被测系统S的数学模型M，使下式成立：　　　　　‖Ym－Yo‖=‖M(u)－S(u)‖≤ε式中Ym、Yo分别是系统输入u作用下模型和系统的输出。ε为预设的辨识精度。设e=Ym－Yo，则辨识准则 三、人工神经网络用于系统辨识 用神经网络构成辨识模型，辨识方法就是用神经网络辨识模型逼近被测系统。用作辨识模型的神经网络通常有多层感知器、BP网络、Hopfield网络等。四、 辨识系统的输入和输出　　被测系统与辨识模型使用相同的输入信号。输入信号满足条件1、辨识时间内的输入信号必须持续激励，充分激励系统的所有模态，输入信号的频谱必须足够覆盖系统的频谱；2、输入信号要求最优化。辨识系统常用的输入信号有伪随机序列或白噪声。 辨识系统的输出是系统的误差。在确定系统误差时，