系统辨识考试汇总.doc

基于人工神经网络的二阶系统辨识 摘要： 关键字： Second-order system identification based on artificial neural networks WeiLu (College of Electrical and Control Engineering, Xi’an University of Science and Technology，Xi’an 710054,China) Abstract：BP neural network is the abbreviation of erroneous reverse transmission neural network, which dealing with nonlinear problems.In this paper, the second-order system with noise, and puts forward the improved BP neural network to second order system modeling method. In order to achieve an accurate identification of the system.Through the simulation experiment the error between the output of neural network and the output of identification system is very small(The error0.1% when k=8). First, introduced the artificial neural network system identification aspects of development and research,Then, introduced the conventional BP algorithm and improved BP algorithm,Finally, Through an example of a specific second-order system fully proved that the improved BP neural network has good recognition results and practical. Key words：BP neural network；System Identification；Second-order nonlinear system 是根据系统的输入输出时间函数来确定描述系统行为的数学模型，是现代控制理论中的一个分支。比其他非线性辨识方法优越的是神经网络可以不依赖模型函数，也就是说，可以不用了解被辨识非线性系统输入和输出之间存在何种数学关系，只要给定系统输入样本、网络的结构以及系统输出的教师信号，利用网络输出和教师信号的差值来修正网络的权值和阈值，直至满足要求。目前广泛使用的有两种神经网络，一种是多层神经网络，另一种是循环神经网络。BP神经网络模型 图1 BP网络的拓扑结构 BP神经网络由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给隐藏层各神经元；隐藏层是内部信息处理层，负责信息变换，根据信息变化能力的需求，隐藏层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。 BP算法推导 （1）输出误差E的定义： 将以上误差定义式展开至隐层： 其中 进一步展开至输入层： （2）误差反传 综合输出层权值调整式改写为： 综合隐层权值调整式改写为： （3）函数激发 在非线性系统模型辨识中，常用的是一种典型的多层并行网，即多层BP网络。其激发函数通常选用连续可导的Sigmoid函数： 故 （三）BP网络存在的问题及解决方案 BP网络在实际应用中存在不少问题： （1）学习算