基于神经网络系统辨识和控制方法的研究

《基于神经网络系统辨识和控制方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据AThesisinOperationalResearchandCyberneticsResearchonSystemIdentificationandControlMethodBasedonNeuralNetworkByQuChangbinSupervisor：ProfessorLiChunjiNortheasternUniversityJune2012万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发表或

2、撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢=比思。学位论文作者签名：厨掌彬日期：20}2绎6月2易目学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年口

3、一年半口两学位论文作者签名：属审彬签字日期：2矽垃罕易闫2易目导师签名：虏角锰签字日期：2汐应绎占月2易目万方数据东北大学硕士学位论文摘要基于神经网络的系统辨识与控制方法的研究摘要人工神经网络具有并行处理能力、自学习能力、自适应能力和以任意精度逼近任意非线性函数的能力，在模式识别、系统辨识、控制等领域得到了广泛的应用。本文就神经网络在系统辨识与系统控制方面的应用展开研究，提出了几种较新的系统模型辨识和模型参数辨识方法，并改进了神经控制系统参数调整的算法。本文针对BP网络训练速度慢、易于陷入局部极

4、小点、泛化能力弱的特点，提出了用共轭梯度法来调整网络参数，在一定程度上改善了前向神经网络的辨识效果。研究了神经网络对定义在Hilbert空间日中的线性离散时变系统的辨识结构，分析了辨识系统对原系统的逼近能力。进一步分析了Hilbert空间正交基对网络训练的影响。在系统控制方面，在讨论了人工神经元的PID调节器训练方法的基础上，分析了人工神经元闭环控制系统的结构、参数调整、学习训练及系统的稳定性之间的关系；并对系统参数调整所用算法加入了动量项和先验经验，使得网络参数的调整不仅仅依靠神经网络的性质，

5、而和先前训练的误差有了一定的关联，这样避免了训练过程中的大幅振荡。关键词：系统辨识；BP网络；共轭梯度法；线性时变离散系统；PID控制系统；网络权值调整万方数据东北大学硕士学位论文AbstractResearchonSystemIdentificationandControlMethodBasedonNeuralNetworkAbstractTheartificialneuralnetworkhasmanyfunctions，includingtheparallelprocessingcapab

6、ilities，self-learningability，adaptiveabilityandtheabilitythatcanapproximateanynonlinearfunctionwitharbitraryprecision．Therefore，theartificialneuralnetworkhasbeenwidelyappliedinmanyfieldssuchaspatternrecognition，systemidentification，systemcontrolandso

7、on．Inthispapertheapplicationofneuralnetworksinsystemidentificationandsystemcontrolisdeveloped．Severalnovelmethodsaregivenforsystemidentificationandmodelparameteridentification．Andthealgorithmofparameteradjustmentoftheneuralcontrolsystemisimproved．Int

8、hispaper，consideringtheslowlytrainingspeedofBPneuralnetwork，easytofallintolocalminima，andweakgeneralizationability，theconjugategradientmethodisproposedtoadjusttheneuralnetworkparameters．Thismethodimprovesthequalityofidentificationoffeedforwardneuraln