基于神經(jīng)網(wǎng)絡的系統(tǒng)辨識與控制.pdf

1、非線性系統(tǒng)的建模與控制問題一直以來都是控制領域研究的重點與難點。神經(jīng)網(wǎng)絡以其強大的非線性逼近能力，被廣泛應用在系統(tǒng)的辨識建模、控制、優(yōu)化等問題中。同時，很多實際系統(tǒng)中都存在隨機噪聲且都無法避免它的影響。因此，含有噪聲系統(tǒng)的辨識與控制問題成為了神經(jīng)網(wǎng)絡辨識與控制中的一個難點問題。
　　本文介紹了反向傳播(BP)神經(jīng)網(wǎng)絡的結構及學習算法及BP神經(jīng)網(wǎng)絡在自適應控制中的應用。但由于前饋神經(jīng)網(wǎng)絡在處理非線性動態(tài)系統(tǒng)的辨識與控制中存在一定的缺

2、陷，所以本文也研究了遞歸神經(jīng)網(wǎng)絡的結構，并重點介紹了離散狀態(tài)空間神經(jīng)網(wǎng)絡的結構及學習算法，并把它用于非線性系統(tǒng)的辨識中。另一方面，誤差糾正學習算法在神經(jīng)網(wǎng)絡的訓練學習中廣為應用。訓練準則一般都是誤差的函數(shù)，傳統(tǒng)的最小均方誤差準則僅考慮誤差的二階矩，在非線性或非高斯情形下，其訓練性能變得不盡人意。信息測度能夠很好的刻畫隨機變量的不確定性，介紹了熵、信息勢、生存信息勢等新的測度，并把它們應用于神經(jīng)網(wǎng)絡的辨識與控制中。最后，對于有機朗肯循環(huán)(