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。