戴　蓉，黄　成

(1.中国民用航空飞行学院 计算机学院,四川 广汉 618307; 2.四川工程职业技术学院,四川 德阳 618000)



基于时变神经网络的迭代学习辨识算法

戴蓉1，黄成2

(1.中国民用航空飞行学院 计算机学院,四川 广汉 618307; 2.四川工程职业技术学院,四川 德阳 618000)

摘要：为了实现在有限时间区间上可重复运行的离散时变非线性系统辨识，给出基于时变神经网络的迭代学习辨识算法。对于每一个固定时刻，以该时刻的神经网络逼近该时刻系统输入输出间的映射关系,提出了在同一时刻沿迭代轴训练网络权值的带死区迭代学习最小二乘算法，为防止收敛速度下降过快，进一步提出了协方差阵可重调的改进算法。所提算法有较快的收敛速度，且时变神经网络对非线性时变系统的辨识精度也较高。

关键词：系统辨识；非线性时变系统；时变神经网络；迭代学习；最小二乘

0引言

由于线性系统的特性关于参数是线性的，人们可以推广已有线性系统辨识方法，给出可线性参数化的非线性动态系统的参数估计。这些参数估计算法往往只适合辨识定常或慢时变参数系统。已提出的针对时变参数系统的辨识方法如带遗忘因子的最小二乘法[1]、卡尔曼滤波法[2]等，通常是沿时间轴对时变参数进行跟踪，估计误差能沿时间轴实现有界收敛。

迭代学习辨识方法适于解决在有限时间区间上可重复运行的动态系统的时变参数估计问题。在一定条件下，该方法可对系统实现完全辨识任务，使整个有限时间区间上的估计误差沿迭代轴收敛到零。……