基于神经网络的非线性时变结构系统辨识
NONLINEAR TIME-VARYINGSTRUCTURAL SYSTEMIDENTIFICATION BASED ON NEURALNETWORKS
摘要
Abstract
绪论
1.1 课题来源
1.2 课题研究的目的和意义
1.3 基于神经网络的非线性系统辨识研究现状
1.4 本文的主要研究内容
第2章 非线性时变系统神经网络模型
2.1 引言
2.2 神经元模型
2.2.1 神经元的基本构成
2.2.2 激活函数
2.3 神经网络模型
2.3.1 网络拓扑结构类型
2.3.2 网络信息流向类型
2.4 神经网络学习算法
2.4.1 BP算法
2.4.2 递推最小二乘算法(RLS)
2.4.3 扩展卡尔曼滤波算法(EKF)
2.5 非线性时变系统描述与神经网络模型
2.6 本章小结
第3章 非线性时变结构系统的RLS辨识方法
3.1 引言
3.2 神经网络的RLS算法
3.3 神经网络的改进RLS算法
3.3.1 标准递推最小二乘(RLS)的改进算法
3.3.2 加权最小二乘(WRLS)的改进算法
3.3.3 限定记忆最小二乘(LRLS)的改进算法
3.4 改进RLS算法的理论分析
3.5 改进RLS算法的收敛性证明
3.5.1 鞅超收敛定理
3.5.2 收敛性证明
3.6 算例分析
3.6.1 非线性时变系统仿真算例
3.6.2 三自由度非线性时变结构系统仿真算例
3.7 本章小结
第4章 非线性时变结构系统辨识的EKF方法
4.1 引言
4.2 神经网络的EKF算法
4.2.1 EKF全局学习算法
4.2.2 EKF局部学习算法
4.3 神经网络的改进EKF算法
4.4 算例分析
4.4.1 非线性时变系统仿真算例
4.4.2 三自由度非线性时变结构系统仿真算例
4.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
哈尔滨工业大学硕士学位论文原创性声明
哈尔滨工业大学硕士学位论文使用授权书
致谢
个人简历
哈尔滨工业大学;