参数辨识方法比较

1、神经网络辨识与最小二乘法参数估计结合能够得到较为满意的辨识结果。神经网络本身能够逼近任何非线性函数，同时具有很强的口学习和口适应的能力，不需要任何先验知识，只需知道输入输出，即可对轧机液压AGC系统进行非线性的辨识预报，这样就给最小二乘参数辨识方法提供了更好的输入样本，从而可以辨识出系统的各个特征参数。这种神经网络非线性辨识与最小二乘线性辨识相结合的方法为轧机液压AGC系统的辨识提供了一条新的途径。精度控制的要求。神经网络能够逼近任一复杂的非线性函数，具有超强的自学习能力、自适应能力和很强的鲁棒性、容错性，因此神经网络控制在解决非线性、不确定系统控制问题时具有巨大的潜

2、力本文采用优化神经网络内模控制方法，将本文提出的基于神经网络辨识模型的模糊神经网络控制器有如下特点：递阶遗传算法训练的神经网络模型速度快、精度高很好地解决了连铸结晶器非正弦振动系统的时变性和模型的不确定性问题；模糊神经网络控制器既具有模糊控制的简单、快速和灵活的特点又具有神经网络的自学习、自组织和自适应能力9克服单纯的模糊控制的不适应性和不完整性确保系统跟踪控制的快速性和准确性。仿真结果验证了该方案具有良好的跟踪性能。优化网络用于系统的正向动态模型和逆动态模型的建立，并在线调整网络权值，有效消除时变及外界干扰的影响，使系统的动态性能和稳态性能都得到提高。本文将遗传算法用于液

3、压系统参数求解，简化了液压系统中求解非线性方程组的问题。经过对求解后得到的系统进行仿真比较，证明用遗传算法求解的方法是可靠的。经过比较材料试验机压力控制系统辨识传递函数的仿真结果发现：对于材料试验机伺服压力控制系统，采用基于最小二乘的MX模型辨识会得到比较好的辨识结果$对于材料试验机比例压力控制系统则应采用基于预测误差方法的EJ模型辨识。辨识在工业上有着广泛的应用领域J主要体现在如下几个方面I孔用于控制系统的设计与分析李利用辨识方法获得被控过程的数学模型之后.以此模型为基础可设计岀比较合理的控制系统，或用于分析原有控制系统的性能，以便提出改进；用于在线控制*在工程实际中，大量的系统

5、模型的辨识，它主要解决在对某一系统的模型不确定或完全未知的情况下，如何根据该系统对特定输入的响应来得到一个数学模型，并用此模型代替这一真实系统的问题;另一个是参数辨识，它主要解决当系统模型已知的条件下，确定模型中的一些未知参数的问题。参数辨识方法目前已经被用于飞行器气动参数辨识。直升机气动参数辨识是飞行器气动参数辨识的一个重要分支。本文将研究某型直升机纵向模型中的气动参数辨识。2.2.1系统辨识的基本原理1、系统辨识的定义和基本要素1978年瑞典著名学者L.Ljung给出系统辨识的定义：“辨识有一三个要素即数据、模型类和准则，辨识就是按照一个准则在一组模型类中选择一个与数据拟合得

6、最好的模型。”该定义强调了系统辨识的三个基本要素，其中数据是指系统的输入输出数据，模型类则定义了模型的基本结构类型，准则即为评价模型与输入输出数据拟合程度的量度标准。2、系统辨识的等价准则等价准则也称为误差准则，是系统辨识问题中的基本要素之一，是用来衡量模型接近实际程度的标准，通常被定义为辨识模型与实际对象模型的误差的范函。这里所说的误差可以是输出误差、输入误差或广义误差。3、辨识的内容和步骤系统辨识的主要内容和包括四个方面:实验设计、模型结构辨识、模型参数辨识和模型验证。5.2.1递推最小二乘算法递推算法的基本思想可以概括如下:新的估计值乡(k)二老的估计值户(k