原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
神经网络控制
6.2神经网络辨识
Ø神经网络辨识基础
所谓系统辨识，就是根据系统的输入和输出
数据，在指定的一类系统中选择一个系统，这
个系统和所研究的实际系统等价。
由于实际上不可能找到一个与实际系统完全等
价的模型。因此，从实用角度看，辨识就是从
一组模型中选择一个模型，按照某种准则，使
之能最好的拟合所关心的实际系统动态或静态
特性。
2
6.3神经网络辨识
神经网络系统辨识实质上是从神经网络模型中选择一个
适当的模型来逼近实际系统的数学模型。
神经网络系统通过直接学习输入输出数据，使所要求的
误差函数达到最小，来归纳出隐含在系统的输入输出数
据中的关系。
神经网络对非线性函数具有任意逼近和自学习能力，为系
统的辨识，尤其是非线性动态系统的辨识提供了一条十分
有效的途径。
3
6.3神经网络辨识
逼近理论是一种经典的数学方法。多项式函数和其它逼
近方法都可以逼近任意的非线性函数。但由于其学习能
力和并行处理能力不及神经网络，从而使得神经网络的
逼近理论研究得到迅速发展。
4
6.3神经网络辨识
u神经网络系统辨识的原理
系统辨识的原理：给对象
和辨识模型施加相同的输
入，得到对象的输出y和模
型的输出，通过调整辨
识模型的结构来使对象的
输出y和模型的输出之
间的误差最小。
系统辨识的原理
在神经网络系统辨识中，神经网络用作辨识模型，将对象的输入输出状
2
态u、y看作神经网络的训练样本数据，以J=e/2作为网络训练的目标，
则通过用一定的训练算法来训练网络，使J足够小，就可以达到辨识对象
模型的目的。
5
6.3神经网络辨识
u与传统基于算法的系统辨识方法一样，神经网络辨识
同样也需首先考虑以下三大因素。
1.模型的选择
模型只是在某种意义下实际系统的一种近似描述，它的确定
要兼顾其精确性和复杂性。因为如要求模型越精确，模型就会
变的越复杂，相反如果适当降低模型精度要求，只考虑主要因
素而忽略次要因素，模型就可以简单些。所以在建立实际系统
模型时，存在着精确性和复杂性这一对矛盾。在神经网络辨识
这一问题上主要表现为网络隐含层数的选择和隐含层内节点数
的选择。由于神经网络隐含节点的最佳选择目前还缺乏理论上
的指导，因此实现这一折中方案的唯一途径是通过多次仿真实
验来达到。
6
6.3神经网络辨识
2.输入信号的选择
为了能够精确有效的对未知系统进行辨识，输入信
号必须满足一定的条件。从时域上来看，要求系统的
动态过程在辨识时间内必须被输入信号持续激励，即
输入信号必须充分激励系统的所有模态；从频域来
看，要求输入信号的频谱必须足以覆盖系统的频谱。
通常在神经网络辨识中可选用白噪声或伪随机信号作
为系统的输入信号。对于实际运行系统而言，选择测
试信号需考虑对系统安全运行的影响。
7
6.3神经网络辨识
3.误差准则的选择
误差准则是用来衡量模型接近实际系统的
标准。它
通常表示为一个误差的泛函，记作
其中是误差适量e(k)的函数，用得最多的是平方函数，
即
这里的误差e(k)是广义误差，即既可以表示输出误差又可
表示输入误差甚至是两种误差函数的合成。
文档评论（0）