基于动态递归模糊神经网络的动态系统辨识

被引：5

作者：

张友旺

机构：

[1] 中南大学机电工程学院湖南　长沙,,中南大学信息科学与工程学院,湖南　长沙,

来源：

中南工业大学学报(自然科学版) | 2003年 / 03期

关键词：

动态递归; 模糊神经网络; 动态反向传播学习算法; 动态系统; 辨识;

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：

摘要：

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.

引用

页码：277 / 280

页数：4

共 6 条

[1] 模糊控制·神经控制和智能控制论[M]. 哈尔滨工业大学出版社 , 李士勇编著, 1996
[2] A recurrent neural-network-based real-time learning control strategy applying to nonlinear system with unknown dynamics. Tommy W S,YONG Fang. IEEE Transaction on Industry Appltication . 1998
[3] 自适应模糊系统与控制[M]. 国防工业出版社 , 王立新著, 1995
[4] Dynamic recurrent networks for control of unknown nonlinear systems. JIN L,Nikiforuk P N,Gupta M M. Journal of Dynamic Systems Measurement and Control Transactions of the ASME . 1994
[5] Back propagation through adjoints for the identification of nonlinear dynamic systems using recurrent neural models. Srinivasan B,Prasad U R,Rao N J. IEEE Transactions on Neural Networks . 1994
[6] Adaptive hybrid control using a recurrent neural network for a linear synchronous motor servodrive system. LIN C H,CHOU W D,LIN F J. IEE Proceedings Control Theory and Applications . 2001

← 1 →