刘华卿 李峰 李诚豪 高歌 王翔 杨兵兵 刘宏帅

摘    要：针对单输入单输出的Hammerstein非线性动态系统，提出了一种基于神经网络的Hammerstein非线性动态系统辨识方法。首先，利用BP神经网络建立Hammerstein非线性系统的静态非线性模块，利用自回归模型建立Hammerstein非线性系统的动态线性模块;其次，基于二进制信号的输入和输出，利用经典的最小二乘方法计算动态线性模块的未知参数;最后，利用随机梯度下降方法辨识BP神经网络的权值。仿真结果表明，提出的方法能够有效辨识基于神经网络的Hammerstein非线性动态系统。

关键词：Hammerstein非线性系统;神经网络;最小二乘;随机梯度

中图分类号：TP273                文献标识码：A               文章编号：2095-7394（2021）02-0009-07

Hammerstein非线性系统由静态非线性模块和动态线性模块串联而成，是一种典型的非线性系统。研究表明，该系统能够有效地描述大多数非线性特性，适合蒸馏塔[1-2]、换热器[3-4]、连续搅拌反应器[5-6]、pH中和过程[7-8]以及干燥过程[9]等过程模型使用;因此，Hammerstein非线性系统得到了系统辨识和自动控制界的广泛认可和关注。近年来，国内外研究人员提出了诸多Hammerstein非线性系统的辨识方法，主要包括：子空间方法[10-11] 、过参数化方法[12-13]、迭代方法[14-15]、盲辨识方法[16]以及多信号源方法[17-18]等。

在非线性系统的建模研究领域中，神经网络模型能够较好地反映对象的动态特性和复杂的非线性映射关系，具有较强的自学习能力和非线性处理能力。近年来，神经网络模型已成功应用于Hammerstein非线性系统的建模和辨识研究：JANCZAK A [19]利用多层神经……