系统辨识的新方法

《系统辨识的新方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第七讲系统辨识的新方法模糊模型辨识方法神经网络辨识方法模糊神经网络辨识方法遗传算法自适应辨识方法鲁棒辨识方法集合辨识方法一、模糊模型辨识方法1.模糊关系模型及其辨识模型辨识问题：在给定性能指标下，根据系统的输入输出数据确定(1)所有的参考模型集合；(2)结构参数；(3)模型解关系阵R。以使性能指标J极小。2.T-S模型T-S模型辨识问题：辨识P参数最小二乘辨识方法递阶模糊辨识方法复杂系统的递阶模糊辨识方法控制理论与应用，2002，19（2）模糊建模的模糊树方法复杂系统模糊建模的模糊树方法控制理论与应用，2002，19（2）二、神经网络辨识1.神经元模型2

2、.人工神经网络神经网络是一个具有如下性质的有向图：神经网络的特征性质：非线性平行分布处理硬件实现学习和自适应性数据融合多变量系统3.几种神经网络《按网络结构分、按网络性能分、按学习方式分》BP网络Hopfield网络RBF网络CMAC网络小波神经网络BP（Backpropagation）多层前馈网络输入层隐含层输出层网络学习过程由正向传播和反向传播组成特点：(1)只要具有足够的隐层和隐结点，BP网络就可以逼近任意的非线性关系(2)具有较好的泛化能力缺点：收敛慢局部极值问题网络结构难以确定（经验、遗传算法）改进：(1)变尺度法(2)变步长法(3)引入动量项

3、4.基于神经网络的系统建模和辨识对象NNy(t)u(t)e(t)正模型、逆模型问题可辨识性问题对于拟辨识的动力学系统，必须预先给出定阶的差分方程无法表达对象的干扰部分神经网络模糊系统模糊系统与神经网络的结合----模糊神经网络三、模糊神经网络模型1.模糊模型T-S规则模型2.网络由辨识算法和计算算法得到学习算法连接权前件网络底二层各结点隶属函数的中心值及宽度基于T-S模型的模糊神经网络模糊神经网络的特点模糊神经网络是局部逼近网络网络结点及参数具有明显的物理意义参数学习和调整快非线性函数可表示为多个线性函数的模糊逼近较大可能达到全局最优（本质上存在局部极值

4、问题）