一种采用神经网络进行系统辨识的新方法

摘要

@@ 0 引言rn系统辨识就是由测试数据直接求取模型的方法.系统的数学模型是对了解系统的内部结构和特性、对系统进行深入的理论分析的首要前提.因此,要想全面了解系统就必须通过各种途径来获得数学模型.目前系统建模的方法主要有机理建模和实验建模.机理建模是从过程对象的机理和生产设备的具体结构出发,通过物料平衡和能量平衡关系,推导出对象的数学模型.这种方法虽然具有较大的普遍性,但是,由于很多工业对象内部的工艺过程复杂,对某些物理、化学过程尚不完全清楚,所以,对于复杂的数学模型较难建立;另外,工业对象大多存在非线性因素,在推导中往往需要做一些近似和假设,这就使由此方法建立的模型不能完全反映实际情况,这就可能会对进一步深入的理论分析产生影响.因此,在实际中,由于过程系统的复杂性,往往采用实验建模的方法,特别是当推导不出对象数学模型时,更需要通过实验方法来求得.采用实验的方法对系统进行辨识的方法主要有:常规方法(包括阶跃响应曲线法和脉冲响应曲线法)、闭环振荡辨识法(包括等幅振荡法和衰减振荡法)、最小二乘参数估计法、相关系数法等.这里采用神经网络来对固定模型的系统进行辨识,其本质上还是基于系统的阶跃响应曲线,它是通过找出模型参数与其阶跃曲线之间的对应关系获得一组数据,来对神经网络进行训练,使其具有模型的结构,然后再反过来对具有这类模型结构的系统进行辨识.