论文部分内容阅读
本文对神经网络用于系统辨识的参数学习算法进行了系统的研究,简要介绍了神经网络系统辨识的基本原理,分析了线性神经网络在系统辨识中的应用,并将其用于直流调速系统建模。 BP网络是应用最广的一种网络,本文对BP算法进行了详细的推导,分析了其存在的缺陷;改进的BP算法虽然能在一定程度上提高学习速度,但对改善收敛效果,提高收敛精度,甚至摆脱局部极小,没有太大的积极作用。因此,作者将非线性规划的平行切线算法用于神经网络的权值学习,提出了一种具有快速学习算法的神经网络。 本文分析了一种动态补偿神经网络模型,模型的训练利用反向传播原理实现。采用该模型对非线性动态系统进行建模时,能显著提高建模精度,特别是在网络模型工作时,对新出现的输出误差具有动态补偿能力。 分析了动态递归神经网络系统辨识的参数学习算法。 直流调速系统应用范围广泛,传统的建模方法采用近似的线性化方法,忽略了各环节的非线性因素,这将使模型存在一定的误差,导致其所应用领域的系统性能降低。为了改变这一状况,有必要研究调速系统的非线性特性。本文采用基于RPE算法的神经网络对速度环进行动态辨识,仿真结果表明,神经网络能满意地建立直流调速系统的动态模型。