动态神经网络在液压系统模型辨识中的应用

摘要

使用建立在线性或本质线性系统基础上的传统辨识方法对各种非线性系统建模、辨识难以获得理想结果。本文利用动态神经网络能充分逼近任意复杂非线性关系这一特点展开如下研究工作： 1对神经网络系统辨识方法进行了综述，与传统的系统辨识方法作比较，指出了各自的优缺点；回顾了神经网络的发展历程，详细分析了动态Elman神经网络的结构、功能和算法。 2分析了用标准BP算法训练Elman网络方法的局限，通过引入自反馈增益，得到一种Elman网络的改进型。同时，采用BP算法对改进的Elman网络权值进行调整，以某平整冷轧机液压自动厚控系统为例进行了模型的辨识，证明了改进的Elman网络对高阶非线性动态系统辨识的有效性。 3指出了标准BP算法存在的缺陷，并提出了改进。分别采用基于标准BP算法的Elman改进型网络和基于动态BP算法的Elman基本型网络对某冷轧机液压AGC系统进行了辨识比较，发现改进的Elman网络利用标准BP学习算法，就能达到基本Elman网络利用动态反传算法所达到的效果，两者能有效地辨识高阶动态系统，所用方法适用于其他工程领域。 对某液压系统的辨识实验表明动态神经网络辨识具有较好的辨识精度和泛化能力，能很好地反映系统的动态特性，在对非线性系统建模方面具有独特的优越性。

目录

文摘

英文文摘

长沙理工大学学位论文原创性声明及版权使用授权书

第一章绪论

1.1课题背景

1.2神经网络辨识的研究现状

1.3本文研究内容

1.4本章小结

第二章神经网络辨识的基本原理

2.1辨识的基本概念

2.2神经网络辨识模型

2.3神经网络辨识原理

2.4本章小结

第三章基于动态神经网络的系统建模与辨识

3.1神经网络概述

3.2误差反向传播(BP)算法及其改进

3.3基于Elman网络的动态系统辨识

3.4本章小结

第四章Elman网络在冷轧机HAGC系统辨识中的应用

4.1冷轧机HAGC系统构成及测试系统原理

4.2基于Elman网络的轧机HAGC系统辨识

4.3本章小结

结 论

致谢

参考文献

附录A 攻读学位期间发表论文目录

附录B Elman网络辨识液压AGC系统的部分程序