非线性动态系统的Wiener神经网络辨识法

被引:38
作者
吴德会 [1 ,2 ]
机构
[1] 九江学院数字控制技术与应用江西省重点实验室
[2] 清华大学电力系统国家重点实验室
关键词
非线性动态系统; 辨识; 神经网络; Wiener模型;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
140502 [人工智能];
摘要
提出了一种新的Wiener神经网络结构并将其应用于非线性动态系统辨识问题.首先,用Wiener模型对非线性动态系统进行描述,将其分解成线性动态子环节串接非线性静态增益的形式.其次,设计一种新型的神经网络结构,使网络权值对应于相应的Wiener模型参数;并推导了基于反向传播的网络权值调整方法.最后,通过网络迭代训练,可同时得到线性动态子环节和非线性静态增益的模型参数.通过一个Wiener模型的数值仿真来验证方法的有效性,仿真结果表明所提辨识方法切实可行.
引用
收藏
页码:1192 / 1196
页数:5
相关论文
共 9 条
[1]
基于支持向量机的非线性动态系统辨识方法 [J].
吴德会 .
系统仿真学报, 2007, (14) :3169-3171+3187
[2]
基于模糊神经网络的动态非线性系统辨识研究 [J].
胡玉玲 ;
曹建国 .
系统仿真学报, 2007, (03) :560-562
[3]
基于粒子群优化的Wiener模型辨识与实例研究 [J].
张艳 ;
李少远 ;
王笑波 ;
周坚刚 .
控制理论与应用, 2006, (06) :991-995
[4]
用改进的多分辨小波网络辨识非线性动态系统 [J].
吕立华 ;
宋执环 ;
李平 .
浙江大学学报(工学版), 2002, (01)
[5]
递归神经网络的RPE算法及其在非线性动态系统建模中的应用 [J].
李鸿儒 ;
顾树生 ;
邓长辉 .
东北大学学报, 2000, (06) :590-593
[6]
辨识Hammerstein模型的两步法 [J].
黄正良 ;
万百五 ;
韩崇昭 .
控制理论与应用, 1995, (01)
[7]
一种辨识Hammerstein模型的新方法 [J].
郎自强 .
自动化学报, 1993, (01) :37-45
[8]
非线性系统Wiener模型辨识 [J].
胡德文 ;
王正志 .
自动化学报, 1991, (02) :151-159
[9]
系统辨识.[M].冯培悌编著;.浙江大学出版社.1999,