基于前向神经网络的时变非线性结构系统辨识快速递推最小二乘法

被引:8
作者
于开平 [1 ]
董好志 [2 ]
机构
[1] 哈尔滨工业大学航天学院
[2] 中国电子科技集团公司第研究所
关键词
非线性时变系统; 系统辨识; 快速递推最小二乘算法; 神经网络; 结构系统;
D O I
10.16385/j.cnki.issn.1004-4523.2007.05.006
中图分类号
O322 [非线性振动];
学科分类号
080101 ;
摘要
针对基于前向神经网络的普通递推最小二乘估计存在着自适应跟踪慢和精度低的问题,提出了一种可对非线性时变系统进行快速辨识的新方法,因该方法有类似递推最小二乘算法的形式,称其为基于前向神经网络的快速递推最小二乘算法。该算法对传统的递推最小二乘算法的递推方式进行了改变,以更好的跟踪非线性时变系统的动态特性。针对典型的系统辨识仿真算例,通过与现有常用方法的比较研究显示了这种算法具有计算简单、收敛速度快和辨识精度高的良好性能。最后将方法用于一个三自由度时变非线性振动系统,结果同样验证了方法的良好特性。
引用
收藏
页码:468 / 472
页数:5
相关论文
共 6 条
[1]   结构系统模态参数识别方法研究进展 [J].
于开平 ;
邹经湘 ;
庞世伟 .
世界科技研究与发展, 2005, (06) :22-30
[2]   一种非线性时变系统小波网络辨识算法 [J].
刘建春 ;
王正欧 .
系统工程学报, 2002, (05) :401-406
[3]   基于回归神经网络的非线性时变系统辨识 [J].
邹高峰 ;
王正欧 .
控制与决策, 2002, (05) :517-521
[4]   基于前向神经网络的非线性时变系统辨识 [J].
顾成奎 ;
王正欧 .
管理科学学报, 2001, (03) :36-39+45
[5]   利用前馈神经网络的非线性时变系统的辩识(英文) [J].
王正欧 ;
赵长海 .
Transactions of Tianjin University, 2000, (01) :8-13
[6]  
On-line RBFNN based identification of rapidly time-varying nonlinear systems with optimal structure-adaptation. Apostolikas G,Tzafestas S. Mathematics and Computers in Simulation . 2003