| 【中文题名】 | 具有BP算法的模糊、神经网络在非线性动态系统辨识中的应用 |
| 【英文题名】 | |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-31 |
| 【中关键词】 | 反向传播（BP）算法,模糊辨识,神经网络辨识,模糊逻辑系统,前馈网络,仿真 |
| 【英关键词】 | Back propagation algorithm,fuzzy identification,neural network identification,fuzzy logic system,feed-forward network,simulation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文主要研究了具有BP算法的模糊网络、神经网络在非线性动态系统辨识中的应用问题。通过比较两者的优缺点，分别给出了两种系统的辨识方案，最后通过仿真实例，验证了BP网络在模糊辨识、神经网络辨识中的有效性。研究的主要结果包括三个部分：
第一部分是本文的绪论部分，主要介绍了系统辨识的发展概况，介绍了传统的系统辨识方法，对模糊辨识和人工神经网络辨识这两类主要的辨识方法的主要思想、改进及其优缺点分别作了介绍，并给出了BP网络用于系统辨识的原理。
第二部分通过把模糊逻辑系统表示为三层前馈网络，提出了一套相应的反向传播学习算法，用这种具有反向传播学习算法的模糊逻辑系统来作为非线性动态系统的辨识器，实现对非线性动态系统的辨识。
第三部分根据前馈神经网络可以在任意精度上逼近任何定义在致密集上的连续函数的理论，用反向传播神经网络作为动态系统非线性部分的辨识器，精确地辨识各种不同的非线性动态系统。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-6 |
|
第一章 绪论 |
6-10 |
|
1.1 系统辨识的发展 |
6-7 |
|
1.2 BP网络用于系统辨识 |
7-8 |
|
1.3 本文解决的主要问题 |
8-10 |
|
第二章 BP算法(网络)用于模糊辨识 |
10-33 |
|
2.1 引言 |
10-11 |
|
2.2 模糊逻辑系统的反向传播学习算法 |
11-18 |
|
2.2.1 模糊逻辑系统的描述与分析 |
11-15 |
|
2.2.2 模糊逻辑系统的反向传播学习算法 |
15-18 |
|
2.3 具有BP算法的模糊逻辑系统用于非线性动态系统辨识 |
18-21 |
|
2.3.1 模糊辨识器的设计 |
18-20 |
|
2.3.2 模糊辨识器的在线初始参数选择方法 |
20-21 |
|
2.4 仿真算例 |
21-32 |
|
2.5 模糊辨识有待解决的问题 |
32-33 |
|
第三章 BP算法(网络)用于神经网络辨识 |
33-54 |
|
3.1 引言 |
33-34 |
|
3.2 神经网络的反向传播学习算法 |
34-41 |
|
3.3 具有 BP算法的神经网络用于非线性动态系统辨识 |
41-44 |
|
3.3.1 问题描述 |
41-42 |
|
3.3.2 NARMA模型的参数辨识 |
42-43 |
|
3.3.3 系统辨识的并联模式与串—并联模式 |
43-44 |
|
3.4 仿真算例 |
44-53 |
|
3.5 神经网络辨识有待解决的问题 |
53-54 |
|
参考文献 |
54-57 |
|
致谢 |
57 |
|
| 【DOI】 | LunWen.ID:2.2008.388759 |
