H∞-学习神经网络的非线性系统识别.pdf

! ! ! ! 振 动 与 冲 击 第# 卷第 期 $%’()*%+,-.’)/-%()(012%34 ,567# (57 889! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 6 :学习神经网络的非线性系统识别 r 唐和生; ; ; @ 薛松涛 陈 鎔 谢 强 ! ! ! ! ! ;7同济大学结构工程与防灾研究所 上海!888? # % 7近畿大学理工学部建筑学科 日本 大阪!99 :88# @7 同济大学建筑工程系 上海!888? % $ ! ! !!摘 要 Y 基于 滤波算法提出了一种有效的回归神经网络学习方法 该方法能有效解决系统模型和噪声统计 r 特性存在不确定的问题 在利用神经网络进行非线性系统识别中 该方法对任意的网络结构能进行整体优化训练 具有 良好的泛化能力 在非线性结构系统识别中验证了该方法的可行性与有效性 关键词! Y r 滤波 神经网络 学习 非线性系统 识别 ! ! ) 中图分类号 /@;;7@!!!文献标识码 !! 由于神经网络方法可以映射任意非线性系统而不 ! 回归神经网络的 滤波学习算法 6 需要知道系统的物理非线性特性 近年来 基于神经 E 网络的非线性动力系统非参数识别研究十分活 !! 考虑一个典型的多输入单输出回归神经网络 跃’; :=( 应用神经网络进行系统识别存在两个关键问 ’(( 如图 所示 它实现由输入到输出的映射或分 # $ ; ! % 8 8 6 #% % 题 一方面 要选择训练速度快 鲁棒性强的算法 另一 类 输入层有 V; 个节点 其中有 个 1 $ # U; 方面要选择理想的 最小网络拓扑结构的神经网络 ; 8 $ ; ,输出, 权值N N