資源描述：
《基于時(shí)變神經(jīng)網(wǎng)絡(luò)的離散時(shí)變非線性系統(tǒng)辨識 - 嚴(yán)偉力》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、Proceedingsofthe8thWorldCongressonIntelligentControlandAutomationJuly6-92010,Jinan,ChinaIdentificationofDiscrete-TimeVaryingNonlinearSystemsUsingTime-VaryingNeuralNetworksW.-L.Yan,M.-X.SunCollegeofInformationEngineering,ZhejiangUniversityofTechnology,Hangzhou,China(mxsun@zjut.edu.c
2、n)Abstract—Iterativelearningidentificationalgorithmsfortime-varyingneuralnetworkstrainingarepresented,bywhichneuralnetworksbasedidentificationfordiscrete-timevaryingnonlinearsystemscanbecarriedout,asthesystemundertakenperformstasksrepeatedlyoverafinitetimeinterval.Thispaperdevelops
3、theiterativelearningleastsquaresalgorithmwithdead-zonefortheweightsupdatingalongtheiterationaxis.Inordertoimprovetheconvergencerate,thelearningalgorithmismodifiedbyre-adjustingthecovariancematrix.Theproposedalgorithmsguaranteethattheestimationerrorconvergestoaboundpointwiselyoverth
4、eentiretimeinterval.Numericalresultsarepresentedtodemonstrateeffectivenessoftheproposedlearningalgorithms.Keywords—identification,discrete-timevaryingnonlinearsystems,time-varyingneuralnetworks,iterativelearningleastsquares基于時(shí)變神經(jīng)網(wǎng)絡(luò)的離散時(shí)變非線性系統(tǒng)辨識嚴(yán)偉力孫明軒浙江工業(yè)大學(xué)信息工程學(xué)院，杭州，浙江，中國摘要針對在有限時(shí)間區(qū)間上
5、可重復(fù)運(yùn)行的離散時(shí)變非線性系統(tǒng)，給出基于時(shí)變神經(jīng)網(wǎng)絡(luò)的迭代學(xué)習(xí)辨識算法。提出在同一時(shí)刻沿迭代軸訓(xùn)練網(wǎng)絡(luò)權(quán)值的帶死區(qū)迭代學(xué)習(xí)最小二乘算法；為防止收斂速度下降過快，進(jìn)一步提出協(xié)方差陣可重調(diào)的改進(jìn)算法。所提算法能保證整個(gè)有限時(shí)間區(qū)間上的估計(jì)誤差沿迭代軸逐點(diǎn)收斂到原點(diǎn)的鄰域中，鄰域半徑取決于神經(jīng)網(wǎng)絡(luò)的建模精度。仿真結(jié)果驗(yàn)證了所提算法的有效性。關(guān)鍵詞辨識，非線性時(shí)變系統(tǒng)，時(shí)變神經(jīng)網(wǎng)絡(luò)，迭代學(xué)習(xí)最小二乘1．引言未知時(shí)變參數(shù)，此類辨識方法可使整個(gè)有限時(shí)間區(qū)間上的由于系統(tǒng)特性關(guān)于參數(shù)是線性的，人們推廣已有線性估計(jì)誤差沿迭代軸逐點(diǎn)收斂到零。對于系統(tǒng)存在未建模動(dòng)系統(tǒng)辨識方法給出
6、可線性參數(shù)化非線性動(dòng)態(tài)系統(tǒng)的參數(shù)估態(tài)或存在外界擾動(dòng)時(shí)的情形，需要進(jìn)一步研究。計(jì)。這些參數(shù)估計(jì)算法往往只適合辨識定常或慢時(shí)變參數(shù)已證明神經(jīng)網(wǎng)絡(luò)對非線性連續(xù)函數(shù)具有良好的逼近能系統(tǒng)。已提出的針對時(shí)變參數(shù)系統(tǒng)的辨識方法如帶遺忘因力[4-6]。近年來，以神經(jīng)網(wǎng)絡(luò)辨識非線性定常系統(tǒng)方面的子的最小二乘法[1]、卡爾曼濾波法[2]等，通常是沿時(shí)間軸研究成果很多[7-10]。已有文獻(xiàn)中神經(jīng)網(wǎng)絡(luò)的權(quán)值大多是沿對時(shí)變參數(shù)進(jìn)行跟蹤，估計(jì)誤差能沿時(shí)間軸實(shí)現(xiàn)有界收斂。時(shí)間軸進(jìn)行訓(xùn)練，訓(xùn)練完后網(wǎng)絡(luò)的輸入與輸出之間的映射迭代學(xué)習(xí)辨識方法適于解決在有限時(shí)間區(qū)間上可重復(fù)關(guān)系是固定不變的，而時(shí)
7、變系統(tǒng)的輸入輸出之間的映射關(guān)運(yùn)行的動(dòng)態(tài)系統(tǒng)的時(shí)變參數(shù)估計(jì)問題。在一定條件下，該系會隨時(shí)間不斷變化，這要求神經(jīng)網(wǎng)絡(luò)的輸入輸出之間的方法可對系統(tǒng)實(shí)現(xiàn)完全辨識任務(wù)，使整個(gè)有限時(shí)間區(qū)間上映射關(guān)系也能隨時(shí)間變化。文[11]將權(quán)值當(dāng)作系統(tǒng)的未知時(shí)的估計(jì)誤差沿迭代軸收斂到零。文[3]針對一類含有未知時(shí)變參數(shù)，利用卡爾曼濾波算法對其進(jìn)行估計(jì)，取得了較好變參數(shù)的離散時(shí)變系統(tǒng)，給出了迭代學(xué)習(xí)投影和迭代學(xué)習(xí)的辨識效果。但該算法仍舊是沿時(shí)間軸估計(jì)權(quán)值，估計(jì)誤最小二乘兩種算法。通過在同一時(shí)刻沿迭代軸估計(jì)系統(tǒng)的差能沿時(shí)間軸實(shí)現(xiàn)漸近收斂。本文所要研究的問題是如何在一有限時(shí)間區(qū)間上利用神經(jīng)
8、網(wǎng)絡(luò)完全辨識非線性時(shí)變系國家自然科學(xué)基金項(xiàng)目（資助號
