哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)課件

哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)系統(tǒng)辨識(shí)應(yīng)用控制系統(tǒng)的分析和設(shè)計(jì)自適應(yīng)控制：辨識(shí)器作為被控對(duì)象的模型，調(diào)整控制器參數(shù)，獲得較好的控制效果建立辨識(shí)系統(tǒng)的逆模型，作為控制器預(yù)測(cè)、預(yù)報(bào)：建立時(shí)變模型，預(yù)測(cè)其參數(shù)，

以實(shí)現(xiàn)系統(tǒng)參數(shù)的預(yù)測(cè)、預(yù)報(bào)。監(jiān)視系統(tǒng)運(yùn)行狀態(tài)，進(jìn)行故障診斷神經(jīng)網(wǎng)絡(luò)——解決非線性系統(tǒng)的離線/在線辨識(shí)問題2”通過閱讀科技書籍，我們能豐富知識(shí)，培養(yǎng)邏輯思維能力；哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)哈工大智能控制系統(tǒng)辨識(shí)應(yīng)用控制系統(tǒng)的分析和設(shè)計(jì)自適應(yīng)控制：辨識(shí)器作為被控對(duì)象的模型，調(diào)整控制器參數(shù)，獲得較好的控制效果建立辨識(shí)系統(tǒng)的逆模型，作為控制器預(yù)測(cè)、預(yù)報(bào)：建立時(shí)變模型，預(yù)測(cè)其參數(shù)，

以實(shí)現(xiàn)系統(tǒng)參數(shù)的預(yù)測(cè)、預(yù)報(bào)。監(jiān)視系統(tǒng)運(yùn)行狀態(tài)，進(jìn)行故障診斷神經(jīng)網(wǎng)絡(luò)——解決非線性系統(tǒng)的離線/在線辨識(shí)問題2系統(tǒng)辨識(shí)應(yīng)用控制系統(tǒng)的分析和設(shè)計(jì)2主要內(nèi)容系統(tǒng)辨識(shí)理論基礎(chǔ)神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)原理NN線性模型辨識(shí)NN非線性模型辨識(shí)NN逆模型辨識(shí)3主要內(nèi)容系統(tǒng)辨識(shí)理論基礎(chǔ)3系統(tǒng)辨識(shí)理論基礎(chǔ)

定義：在輸入/輸出數(shù)據(jù)基礎(chǔ)上，從一組給定模型類中確定一個(gè)所測(cè)系統(tǒng)等價(jià)的模型。辨識(shí)三要素：輸入/輸出數(shù)據(jù)模型類(系統(tǒng)結(jié)構(gòu))等價(jià)準(zhǔn)則e.g.4系統(tǒng)辨識(shí)理論基礎(chǔ)定義：在輸入/輸出數(shù)據(jù)基礎(chǔ)上，從一組給符號(hào)P:待辨識(shí)系統(tǒng)；辨識(shí)系統(tǒng)模型u:輸入y:輸出；辨識(shí)模型產(chǎn)生的輸出；w:實(shí)際參數(shù)；辨識(shí)參數(shù)k:采樣時(shí)刻J:指標(biāo)函數(shù)v:輸出噪聲h:數(shù)據(jù)向量：神經(jīng)元作用函數(shù)5符號(hào)P:待辨識(shí)系統(tǒng)；辨識(shí)系統(tǒng)模型5系統(tǒng)辨識(shí)問題表述

以SISO離散動(dòng)態(tài)系統(tǒng)為例{u(k),y(k)}是輸入/輸出時(shí)間序列(觀測(cè)量)根據(jù)觀測(cè)量確定模型，使指標(biāo)函數(shù)最小6系統(tǒng)辨識(shí)問題表述以SISO離散動(dòng)態(tài)系統(tǒng)為例6模型辨識(shí)結(jié)構(gòu)

)(ky

)(ku

)(ke

+)(kn

-

)(?NNP

學(xué)習(xí)算法

P

7模型辨識(shí)結(jié)構(gòu))(ky)(ku)(ke+)(誤差準(zhǔn)則(1)輸出誤差(2)輸入誤差(3)廣義誤差表達(dá)形式？8誤差準(zhǔn)則(1)輸出誤差8辨識(shí)主要步驟

確定辨識(shí)輸入/輸出數(shù)據(jù)輸入信號(hào)形式采樣周期辨識(shí)時(shí)間(辨識(shí)數(shù)據(jù)長(zhǎng)度）：足夠長(zhǎng)模型結(jié)構(gòu)辨識(shí)模型參數(shù)辨識(shí)模型檢驗(yàn)9辨識(shí)主要步驟確定辨識(shí)輸入/輸出數(shù)據(jù)9輸入信號(hào)滿足條件充分激勵(lì)原理：輸入信號(hào)必須激勵(lì)系統(tǒng)的所有動(dòng)態(tài)；激勵(lì)時(shí)間充分長(zhǎng)；輸入信號(hào)形式：白噪聲序列(均勻分布，正態(tài)分布)；二進(jìn)制偽隨機(jī)碼(M序列和逆M序列)；10輸入信號(hào)滿足條件充分激勵(lì)原理：輸入信號(hào)必須激勵(lì)系統(tǒng)的所有動(dòng)態(tài)系統(tǒng)模型與逆模型辨識(shí)基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)選擇適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)作為被辨識(shí)系統(tǒng)P的模型與逆模型辨識(shí)過程所選的網(wǎng)絡(luò)結(jié)構(gòu)確定后，在給定的被辨識(shí)系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)下，網(wǎng)絡(luò)通過學(xué)習(xí)（訓(xùn)練），不斷的調(diào)整權(quán)系值，使得準(zhǔn)則函數(shù)為最優(yōu)。11系統(tǒng)模型與逆模型辨識(shí)基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)11NN辨識(shí)結(jié)構(gòu)

模型辨識(shí) 逆模型辨識(shí) 逆模型辨識(shí)(2)

y(k)

ku(k)

-

)(ke

+)(kn

?1(NN)P-

學(xué)習(xí)算法

P

)(ky

)(ku

)(ke

+)(kn

-

)(?NNP

學(xué)習(xí)算法

P

)(ky

+)(kn

)(kr

-

)(ke

)(?1NNP-

學(xué)習(xí)算法

P

12NN辨識(shí)結(jié)構(gòu)模型辨識(shí) 逆模型辨識(shí) 逆模型NN辨識(shí)系統(tǒng)辨識(shí)通常先離線，獲得比較合適的初值，再在線，實(shí)時(shí)辨識(shí)時(shí)變參數(shù)；NN控制系統(tǒng)中，系統(tǒng)辨識(shí)是以系統(tǒng)在閉環(huán)控制下所得觀測(cè)數(shù)據(jù)進(jìn)行，因此是在線；時(shí)變系統(tǒng)，多考慮在線辨識(shí)13NN辨識(shí)系統(tǒng)辨識(shí)通常先離線，獲得比較合適的初值，再在線，實(shí)時(shí)動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:時(shí)延NN線性DTNN:非線性DTNN:

)(ky

)(mku-

W

+

1-z

)(ku

1-z

TDL

M

14動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:時(shí)延NN線性DTNN:)(ky)動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:輸出反饋NN

線性O(shè)FNN:非線性O(shè)FNN:局部遞歸網(wǎng)絡(luò)15動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:輸出反饋NN線性O(shè)FNN:15兩種辨識(shí)結(jié)構(gòu)

并聯(lián)型: 串-并聯(lián)型:

+

u

y

e

_

)(?NNP

P

u

y

+

e

_

)(?NNP

P

下面首先介紹線性動(dòng)態(tài)系統(tǒng)的辨識(shí)16兩種辨識(shí)結(jié)構(gòu)并聯(lián)型: 串-并聯(lián)型:+u線性系統(tǒng)差分方程模型17線性系統(tǒng)差分方程模型17線性系統(tǒng)差分方程模型：ARMA18線性系統(tǒng)差分方程模型：ARMA18線性系統(tǒng)脈沖響應(yīng)模型19線性系統(tǒng)脈沖響應(yīng)模型19線性系統(tǒng)Z傳函模型20線性系統(tǒng)Z傳函模型20線性系統(tǒng)Z傳函模型(續(xù))21線性系統(tǒng)Z傳函模型(續(xù))21為時(shí)域模型，由狀態(tài)方程和輸出方程組成：線性系統(tǒng)離散狀態(tài)空間表達(dá)式22為時(shí)域模型，由狀態(tài)方程和輸出方程組成：線性系統(tǒng)離散狀態(tài)空間表隨機(jī)模型v為零均值不相關(guān)的隨機(jī)噪聲CARMA模型線性系統(tǒng)差分方程模型：隨機(jī)系統(tǒng)23隨機(jī)模型線性系統(tǒng)差分方程模型：隨機(jī)系統(tǒng)23確定性系統(tǒng)NN辨識(shí)討論SISO系統(tǒng)ARMA模型并聯(lián)型串-并聯(lián)型均取指標(biāo)函數(shù)：學(xué)習(xí)算法：24確定性系統(tǒng)NN辨識(shí)討論SISO系統(tǒng)ARMA模型24確定性系統(tǒng)NN辨識(shí)——改進(jìn)算法引入加權(quán)因子，此時(shí)可取則參數(shù)估計(jì)更新：如R(k)滿足不正交，則無論w初值如何選，參數(shù)估值大范圍一直漸進(jìn)收斂25確定性系統(tǒng)NN辨識(shí)——改進(jìn)算法引入加權(quán)因子，此時(shí)25線性系統(tǒng)NN辨識(shí)示例(1)演示

26線性系統(tǒng)NN辨識(shí)示例(1)演示26隨機(jī)系統(tǒng)NN辨識(shí)第一類h(k)和v(k)不相關(guān)；h(k)協(xié)方差陣為常數(shù)陣，且和w(k)不相關(guān)；輸入噪聲s(k)和h(k),v(k)統(tǒng)計(jì)獨(dú)立；第二類h(k)和v(k)相關(guān)；第三類h(k)和v(k)相關(guān),和w(k)相關(guān)；27隨機(jī)系統(tǒng)NN辨識(shí)第一類27隨機(jī)系統(tǒng)NN辨識(shí)對(duì)于第一類隨機(jī)系統(tǒng)，且輸入不含噪聲時(shí)，可得到參數(shù)漸進(jìn)無偏估計(jì)對(duì)于輸入含噪聲的第一類和第二類隨機(jī)系統(tǒng)，只能得到有偏估計(jì)。改進(jìn)算法(對(duì)含輸入噪聲的第一類隨機(jī)系統(tǒng))噪聲模型則改進(jìn)算法是無偏的28隨機(jī)系統(tǒng)NN辨識(shí)對(duì)于第一類隨機(jī)系統(tǒng)，且輸入不含噪聲時(shí)，28線性系統(tǒng)NN辨識(shí)示例(2)演示29線性系統(tǒng)NN辨識(shí)示例(2)演示29非線性系統(tǒng)動(dòng)態(tài)模型30非線性系統(tǒng)動(dòng)態(tài)模型30并聯(lián)型結(jié)構(gòu)31并聯(lián)型結(jié)構(gòu)31串-并聯(lián)型結(jié)構(gòu)32串-并聯(lián)型結(jié)構(gòu)32兩種結(jié)構(gòu)圖示33兩種結(jié)構(gòu)圖示33

(a)(b)(c)辨識(shí)實(shí)例I——問題描述34(a)辨識(shí)實(shí)例I——模型結(jié)構(gòu)確定35辨識(shí)實(shí)例I——模型結(jié)構(gòu)確定35辨識(shí)實(shí)例I——兩個(gè)單軸辨識(shí)36辨識(shí)實(shí)例I——兩個(gè)單軸辨識(shí)36辨識(shí)實(shí)例I——兩軸辨識(shí)37辨識(shí)實(shí)例I——兩軸辨識(shí)37辨識(shí)實(shí)例I——訓(xùn)練結(jié)果38辨識(shí)實(shí)例I——訓(xùn)練結(jié)果38辨識(shí)實(shí)例I——方法比較39辨識(shí)實(shí)例I——方法比較39辨識(shí)實(shí)例II演示40辨識(shí)實(shí)例II演示40線性系統(tǒng)的逆模型與辨識(shí)SISO系統(tǒng)Z傳遞函數(shù)一般式：

dnnmmzzazazazbzbzbbzAzBzP-------++++++++==LL2211221101)()()(

ddniimiizzPzzszpb--=-=-=--=??)()1()1(011110

b0：增益；

d：時(shí)延階數(shù)；

pi、si：Z平面上的零點(diǎn)、極點(diǎn)。

若系統(tǒng)的全部極點(diǎn)在單位圓內(nèi)，則系統(tǒng)是穩(wěn)定的，

有界的輸入u(k)產(chǎn)生有界的輸出y(k)。

這里只討論穩(wěn)定系統(tǒng)的逆。

41線性系統(tǒng)的逆模型與辨識(shí)SISO系統(tǒng)Z傳遞函數(shù)一般式：dnn最小相位系統(tǒng)的逆42最小相位系統(tǒng)的逆42非最小相位穩(wěn)定系統(tǒng)的逆若系統(tǒng)至少有一個(gè)零點(diǎn)或極點(diǎn)位于Ｚ平面單位圓外，或具有時(shí)延，稱非最小相位系統(tǒng)。

若)(zP是非最小相位的、在單位圓外無極點(diǎn)、有零點(diǎn)，且0=d，則)()(0zPzP=是穩(wěn)定的，但其逆是不穩(wěn)定的，因在單位圓外有極點(diǎn)。

得到系統(tǒng)逆的方法：

將)(/1zP展開，取其因果能實(shí)現(xiàn)部份，得到近似逆；

其中包含所有時(shí)延和所有在單位圓外的零點(diǎn)，稱為非最小相位的部分。此時(shí)只能得到近似逆43非最小相位穩(wěn)定系統(tǒng)的逆若系統(tǒng)至少有一個(gè)零點(diǎn)或極點(diǎn)位于Ｚ平面單神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)討論時(shí)延且穩(wěn)定系統(tǒng)的逆模型辨識(shí)。

用系統(tǒng)輸入輸出{})(),(kyku，最優(yōu)化準(zhǔn)則函數(shù)：

min)(21)](?)([21)(22==-=kekukukE

e(k)：輸入誤差

根據(jù)逆模型：

求得逆模型參數(shù)的估計(jì)：

44神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)討論時(shí)延且穩(wěn)定系統(tǒng)的逆模型辨識(shí)。用系統(tǒng)神經(jīng)網(wǎng)絡(luò)線性逆模型辨識(shí)示例演示

45神經(jīng)網(wǎng)絡(luò)線性逆模型辨識(shí)示例演示45非線性系統(tǒng)逆模型46非線性系統(tǒng)逆模型46非線性系統(tǒng)逆模型(2)47非線性系統(tǒng)逆模型(2)47神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)直接逆模型辨識(shí)系統(tǒng)——逆模型辨識(shí)模型辨識(shí)——逆模型辨識(shí)系統(tǒng)——模型辨識(shí)——逆模型辨識(shí)48神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)直接逆模型辨識(shí)48直接逆模型辨識(shí)y(k+d)49直接逆模型辨識(shí)y(k+d)49系統(tǒng)——逆模型辨識(shí)

y

u

r

e

-

)(?1NNIIPd-

學(xué)習(xí)算法

P

50系統(tǒng)——逆模型辨識(shí)yure-)模型辨識(shí)——逆模型辨識(shí)

-

y?

y

r

)(?1NNIIPd-

)?(PNNI

P

51模型辨識(shí)——逆模型辨識(shí)-y?yr)系統(tǒng)——模型辨識(shí)——逆模型辨識(shí)52系統(tǒng)——模型辨識(shí)——逆模型辨識(shí)52NN逆模型辨識(shí)示例演示

53NN逆模型辨識(shí)示例演示53逆系統(tǒng)深入——示例I

54逆系統(tǒng)深入——示例I54逆系統(tǒng)深入——示例II

55逆系統(tǒng)深入——示例II55逆系統(tǒng)深入——定義

56逆系統(tǒng)深入——定義56逆系統(tǒng)深入——SISO系統(tǒng)可逆性

57逆系統(tǒng)深入——SISO系統(tǒng)可逆性57逆系統(tǒng)深入——辨識(shí)步驟(1)獲得訓(xùn)練樣本{u,y}；(2)使用數(shù)值微分方法求輸出導(dǎo)數(shù)；(3)確定神經(jīng)網(wǎng)絡(luò)輸入。輸入應(yīng)進(jìn)行歸一化處理(4)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。可用2/3左右數(shù)據(jù)訓(xùn)練，1/3左右數(shù)據(jù)測(cè)試。

58逆系統(tǒng)深入——辨識(shí)步驟(1)獲得訓(xùn)練樣本{u,y}；58逆系統(tǒng)深入——辨識(shí)實(shí)例

59逆系統(tǒng)深入——辨識(shí)實(shí)例59附：NN辨識(shí)學(xué)習(xí)算法證明基本思想：構(gòu)造Lyapunov函數(shù)，證明證明：令取Lyapunov函數(shù)證明后兩項(xiàng)≤060附：NN辨識(shí)學(xué)習(xí)算法證明基本思想：構(gòu)造Lyapunov函數(shù)，附：NN辨識(shí)學(xué)習(xí)算法證明(續(xù))注意到因此有若使，則即有…61附：NN辨識(shí)學(xué)習(xí)算法證明(續(xù))注意到61參考文獻(xiàn)徐立娜神經(jīng)網(wǎng)絡(luò)控制

Narendra,K.S.,andS.Mukhopadhyay,“AdaptiveControlUsingNeuralNetworksandApproximateModels,”IEEETrans.NN,Vol.8,1997,475-485.K.S.NarendraandK.Parthasarathy,“Gradientmethodsfortheoptimizationofdynamicalsystemscontainingneuralnetworks,”IEEETrans.NN,vol.2,1991,252–262戴先中多變量非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)逆控制方法科學(xué)出版社，200562參考文獻(xiàn)徐立娜神經(jīng)網(wǎng)絡(luò)控制62謝謝！63謝謝！63謝謝！謝謝！哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)系統(tǒng)辨識(shí)應(yīng)用控制系統(tǒng)的分析和設(shè)計(jì)自適應(yīng)控制：辨識(shí)器作為被控對(duì)象的模型，調(diào)整控制器參數(shù)，獲得較好的控制效果建立辨識(shí)系統(tǒng)的逆模型，作為控制器預(yù)測(cè)、預(yù)報(bào)：建立時(shí)變模型，預(yù)測(cè)其參數(shù)，

以實(shí)現(xiàn)系統(tǒng)參數(shù)的預(yù)測(cè)、預(yù)報(bào)。監(jiān)視系統(tǒng)運(yùn)行狀態(tài)，進(jìn)行故障診斷神經(jīng)網(wǎng)絡(luò)——解決非線性系統(tǒng)的離線/在線辨識(shí)問題2”通過閱讀科技書籍，我們能豐富知識(shí)，培養(yǎng)邏輯思維能力；哈工大智能控制神經(jīng)網(wǎng)絡(luò)第十一課神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)哈工大智能控制系統(tǒng)辨識(shí)應(yīng)用控制系統(tǒng)的分析和設(shè)計(jì)自適應(yīng)控制：辨識(shí)器作為被控對(duì)象的模型，調(diào)整控制器參數(shù)，獲得較好的控制效果建立辨識(shí)系統(tǒng)的逆模型，作為控制器預(yù)測(cè)、預(yù)報(bào)：建立時(shí)變模型，預(yù)測(cè)其參數(shù)，

以實(shí)現(xiàn)系統(tǒng)參數(shù)的預(yù)測(cè)、預(yù)報(bào)。監(jiān)視系統(tǒng)運(yùn)行狀態(tài)，進(jìn)行故障診斷神經(jīng)網(wǎng)絡(luò)——解決非線性系統(tǒng)的離線/在線辨識(shí)問題66系統(tǒng)辨識(shí)應(yīng)用控制系統(tǒng)的分析和設(shè)計(jì)2主要內(nèi)容系統(tǒng)辨識(shí)理論基礎(chǔ)神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)原理NN線性模型辨識(shí)NN非線性模型辨識(shí)NN逆模型辨識(shí)67主要內(nèi)容系統(tǒng)辨識(shí)理論基礎(chǔ)3系統(tǒng)辨識(shí)理論基礎(chǔ)

定義：在輸入/輸出數(shù)據(jù)基礎(chǔ)上，從一組給定模型類中確定一個(gè)所測(cè)系統(tǒng)等價(jià)的模型。辨識(shí)三要素：輸入/輸出數(shù)據(jù)模型類(系統(tǒng)結(jié)構(gòu))等價(jià)準(zhǔn)則e.g.68系統(tǒng)辨識(shí)理論基礎(chǔ)定義：在輸入/輸出數(shù)據(jù)基礎(chǔ)上，從一組給符號(hào)P:待辨識(shí)系統(tǒng)；辨識(shí)系統(tǒng)模型u:輸入y:輸出；辨識(shí)模型產(chǎn)生的輸出；w:實(shí)際參數(shù)；辨識(shí)參數(shù)k:采樣時(shí)刻J:指標(biāo)函數(shù)v:輸出噪聲h:數(shù)據(jù)向量：神經(jīng)元作用函數(shù)69符號(hào)P:待辨識(shí)系統(tǒng)；辨識(shí)系統(tǒng)模型5系統(tǒng)辨識(shí)問題表述

以SISO離散動(dòng)態(tài)系統(tǒng)為例{u(k),y(k)}是輸入/輸出時(shí)間序列(觀測(cè)量)根據(jù)觀測(cè)量確定模型，使指標(biāo)函數(shù)最小70系統(tǒng)辨識(shí)問題表述以SISO離散動(dòng)態(tài)系統(tǒng)為例6模型辨識(shí)結(jié)構(gòu)

)(ky

)(ku

)(ke

+)(kn

-

)(?NNP

學(xué)習(xí)算法

P

71模型辨識(shí)結(jié)構(gòu))(ky)(ku)(ke+)(誤差準(zhǔn)則(1)輸出誤差(2)輸入誤差(3)廣義誤差表達(dá)形式？72誤差準(zhǔn)則(1)輸出誤差8辨識(shí)主要步驟

確定辨識(shí)輸入/輸出數(shù)據(jù)輸入信號(hào)形式采樣周期辨識(shí)時(shí)間(辨識(shí)數(shù)據(jù)長(zhǎng)度）：足夠長(zhǎng)模型結(jié)構(gòu)辨識(shí)模型參數(shù)辨識(shí)模型檢驗(yàn)73辨識(shí)主要步驟確定辨識(shí)輸入/輸出數(shù)據(jù)9輸入信號(hào)滿足條件充分激勵(lì)原理：輸入信號(hào)必須激勵(lì)系統(tǒng)的所有動(dòng)態(tài)；激勵(lì)時(shí)間充分長(zhǎng)；輸入信號(hào)形式：白噪聲序列(均勻分布，正態(tài)分布)；二進(jìn)制偽隨機(jī)碼(M序列和逆M序列)；74輸入信號(hào)滿足條件充分激勵(lì)原理：輸入信號(hào)必須激勵(lì)系統(tǒng)的所有動(dòng)態(tài)系統(tǒng)模型與逆模型辨識(shí)基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)選擇適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)作為被辨識(shí)系統(tǒng)P的模型與逆模型辨識(shí)過程所選的網(wǎng)絡(luò)結(jié)構(gòu)確定后，在給定的被辨識(shí)系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)下，網(wǎng)絡(luò)通過學(xué)習(xí)（訓(xùn)練），不斷的調(diào)整權(quán)系值，使得準(zhǔn)則函數(shù)為最優(yōu)。75系統(tǒng)模型與逆模型辨識(shí)基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)11NN辨識(shí)結(jié)構(gòu)

模型辨識(shí) 逆模型辨識(shí) 逆模型辨識(shí)(2)

y(k)

ku(k)

-

)(ke

+)(kn

?1(NN)P-

學(xué)習(xí)算法

P

)(ky

)(ku

)(ke

+)(kn

-

)(?NNP

學(xué)習(xí)算法

P

)(ky

+)(kn

)(kr

-

)(ke

)(?1NNP-

學(xué)習(xí)算法

P

76NN辨識(shí)結(jié)構(gòu)模型辨識(shí) 逆模型辨識(shí) 逆模型NN辨識(shí)系統(tǒng)辨識(shí)通常先離線，獲得比較合適的初值，再在線，實(shí)時(shí)辨識(shí)時(shí)變參數(shù)；NN控制系統(tǒng)中，系統(tǒng)辨識(shí)是以系統(tǒng)在閉環(huán)控制下所得觀測(cè)數(shù)據(jù)進(jìn)行，因此是在線；時(shí)變系統(tǒng)，多考慮在線辨識(shí)77NN辨識(shí)系統(tǒng)辨識(shí)通常先離線，獲得比較合適的初值，再在線，實(shí)時(shí)動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:時(shí)延NN線性DTNN:非線性DTNN:

)(ky

)(mku-

W

+

1-z

)(ku

1-z

TDL

M

78動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:時(shí)延NN線性DTNN:)(ky)動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:輸出反饋NN

線性O(shè)FNN:非線性O(shè)FNN:局部遞歸網(wǎng)絡(luò)79動(dòng)態(tài)系統(tǒng)辨識(shí)常用NN:輸出反饋NN線性O(shè)FNN:15兩種辨識(shí)結(jié)構(gòu)

并聯(lián)型: 串-并聯(lián)型:

+

u

y

e

_

)(?NNP

P

u

y

+

e

_

)(?NNP

P

下面首先介紹線性動(dòng)態(tài)系統(tǒng)的辨識(shí)80兩種辨識(shí)結(jié)構(gòu)并聯(lián)型: 串-并聯(lián)型:+u線性系統(tǒng)差分方程模型81線性系統(tǒng)差分方程模型17線性系統(tǒng)差分方程模型：ARMA82線性系統(tǒng)差分方程模型：ARMA18線性系統(tǒng)脈沖響應(yīng)模型83線性系統(tǒng)脈沖響應(yīng)模型19線性系統(tǒng)Z傳函模型84線性系統(tǒng)Z傳函模型20線性系統(tǒng)Z傳函模型(續(xù))85線性系統(tǒng)Z傳函模型(續(xù))21為時(shí)域模型，由狀態(tài)方程和輸出方程組成：線性系統(tǒng)離散狀態(tài)空間表達(dá)式86為時(shí)域模型，由狀態(tài)方程和輸出方程組成：線性系統(tǒng)離散狀態(tài)空間表隨機(jī)模型v為零均值不相關(guān)的隨機(jī)噪聲CARMA模型線性系統(tǒng)差分方程模型：隨機(jī)系統(tǒng)87隨機(jī)模型線性系統(tǒng)差分方程模型：隨機(jī)系統(tǒng)23確定性系統(tǒng)NN辨識(shí)討論SISO系統(tǒng)ARMA模型并聯(lián)型串-并聯(lián)型均取指標(biāo)函數(shù)：學(xué)習(xí)算法：88確定性系統(tǒng)NN辨識(shí)討論SISO系統(tǒng)ARMA模型24確定性系統(tǒng)NN辨識(shí)——改進(jìn)算法引入加權(quán)因子，此時(shí)可取則參數(shù)估計(jì)更新：如R(k)滿足不正交，則無論w初值如何選，參數(shù)估值大范圍一直漸進(jìn)收斂89確定性系統(tǒng)NN辨識(shí)——改進(jìn)算法引入加權(quán)因子，此時(shí)25線性系統(tǒng)NN辨識(shí)示例(1)演示

90線性系統(tǒng)NN辨識(shí)示例(1)演示26隨機(jī)系統(tǒng)NN辨識(shí)第一類h(k)和v(k)不相關(guān)；h(k)協(xié)方差陣為常數(shù)陣，且和w(k)不相關(guān)；輸入噪聲s(k)和h(k),v(k)統(tǒng)計(jì)獨(dú)立；第二類h(k)和v(k)相關(guān)；第三類h(k)和v(k)相關(guān),和w(k)相關(guān)；91隨機(jī)系統(tǒng)NN辨識(shí)第一類27隨機(jī)系統(tǒng)NN辨識(shí)對(duì)于第一類隨機(jī)系統(tǒng)，且輸入不含噪聲時(shí)，可得到參數(shù)漸進(jìn)無偏估計(jì)對(duì)于輸入含噪聲的第一類和第二類隨機(jī)系統(tǒng)，只能得到有偏估計(jì)。改進(jìn)算法(對(duì)含輸入噪聲的第一類隨機(jī)系統(tǒng))噪聲模型則改進(jìn)算法是無偏的92隨機(jī)系統(tǒng)NN辨識(shí)對(duì)于第一類隨機(jī)系統(tǒng)，且輸入不含噪聲時(shí)，28線性系統(tǒng)NN辨識(shí)示例(2)演示93線性系統(tǒng)NN辨識(shí)示例(2)演示29非線性系統(tǒng)動(dòng)態(tài)模型94非線性系統(tǒng)動(dòng)態(tài)模型30并聯(lián)型結(jié)構(gòu)95并聯(lián)型結(jié)構(gòu)31串-并聯(lián)型結(jié)構(gòu)96串-并聯(lián)型結(jié)構(gòu)32兩種結(jié)構(gòu)圖示97兩種結(jié)構(gòu)圖示33

(a)(b)(c)辨識(shí)實(shí)例I——問題描述98(a)辨識(shí)實(shí)例I——模型結(jié)構(gòu)確定99辨識(shí)實(shí)例I——模型結(jié)構(gòu)確定35辨識(shí)實(shí)例I——兩個(gè)單軸辨識(shí)100辨識(shí)實(shí)例I——兩個(gè)單軸辨識(shí)36辨識(shí)實(shí)例I——兩軸辨識(shí)101辨識(shí)實(shí)例I——兩軸辨識(shí)37辨識(shí)實(shí)例I——訓(xùn)練結(jié)果102辨識(shí)實(shí)例I——訓(xùn)練結(jié)果38辨識(shí)實(shí)例I——方法比較103辨識(shí)實(shí)例I——方法比較39辨識(shí)實(shí)例II演示104辨識(shí)實(shí)例II演示40線性系統(tǒng)的逆模型與辨識(shí)SISO系統(tǒng)Z傳遞函數(shù)一般式：

dnnmmzzazazazbzbzbbzAzBzP-------++++++++==LL2211221101)()()(

ddniimiizzPzzszpb--=-=-=--=??)()1()1(011110

b0：增益；

d：時(shí)延階數(shù)；

pi、si：Z平面上的零點(diǎn)、極點(diǎn)。

若系統(tǒng)的全部極點(diǎn)在單位圓內(nèi)，則系統(tǒng)是穩(wěn)定的，

有界的輸入u(k)產(chǎn)生有界的輸出y(k)。

這里只討論穩(wěn)定系統(tǒng)的逆。

105線性系統(tǒng)的逆模型與辨識(shí)SISO系統(tǒng)Z傳遞函數(shù)一般式：dnn最小相位系統(tǒng)的逆106最小相位系統(tǒng)的逆42非最小相位穩(wěn)定系統(tǒng)的逆若系統(tǒng)至少有一個(gè)零點(diǎn)或極點(diǎn)位于Ｚ平面單位圓外，或具有時(shí)延，稱非最小相位系統(tǒng)。

若)(zP是非最小相位的、在單位圓外無極點(diǎn)、有零點(diǎn)，且0=d，則)()(0zPzP=是穩(wěn)定的，但其逆是不穩(wěn)定的，因在單位圓外有極點(diǎn)。

得到系統(tǒng)逆的方法：

將)(/1zP展開，取其因果能實(shí)現(xiàn)部份，得到近似逆；

其中包含所有時(shí)延和所有在單位圓外的零點(diǎn)，稱為非最小相位的部分。此時(shí)只能得到近似逆107非最小相位穩(wěn)定系統(tǒng)的逆若系統(tǒng)至少有一個(gè)零點(diǎn)或極點(diǎn)位于Ｚ平面單神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)討論時(shí)延且穩(wěn)定系統(tǒng)的逆模型辨識(shí)。

用系統(tǒng)輸入輸出{})(),(kyku，最優(yōu)化準(zhǔn)則函數(shù)：

min)(21)](?)([21)(22==-=kekukukE

e(k)：輸入誤差

根據(jù)逆模型：

求得逆模型參數(shù)的估計(jì)：

108神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)討論時(shí)延且穩(wěn)定系統(tǒng)的逆模型辨識(shí)。用系統(tǒng)神經(jīng)網(wǎng)絡(luò)線性逆模型辨識(shí)示例演示

109神經(jīng)網(wǎng)絡(luò)線性逆模型辨識(shí)示例演示45非線性系統(tǒng)逆模型110非線性系統(tǒng)逆模型46非線性系統(tǒng)逆模型(2)111非線性系統(tǒng)逆模型(2)47神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)直接逆模型辨識(shí)系統(tǒng)——逆模型辨識(shí)模型辨識(shí)——逆模型辨識(shí)系統(tǒng)——模型辨識(shí)——逆模型辨識(shí)112神經(jīng)網(wǎng)絡(luò)逆模型辨識(shí)直接逆模型辨識(shí)48直接逆模型辨識(shí)y(k+d)113直接逆模型辨識(shí)y(k+d)49系統(tǒng)——逆模型辨識(shí)

y

u