基于前向神经网络的非线性时变系统辨识的改进递推最小二乘算法

• 作者: 于开平 牟晓明
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 非线性时变系统 多层前向神经网络 系统辨识 改进递推最小二乘算法
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 第八届全国动力学与控制学术会议(哈尔滨08)推荐发表论文
• 页码范围: 107-109,144
• 页数: 4页
• 分类号: TP271|O322
• 字数: 2822字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3835.2009.06.025

摘要

标准的递推最小二乘算法随着递推次数的增加,增益矩阵将逐渐趋于零,致使递推算法慢慢失去修正能力,出现所谓的"数据饱和"现象.为了克服"数据饱和"问题,首先对递推最小二乘算法进行改进,得到了改进的最小二乘算法(IRLS),并给出了收敛性证明,然后将该算法应用于基于前向神经网络的非线性时变系统辨识.通过对两个非线性时变系统进行有效验证,仿真结果表明本文算法计算精度高、计算速度快、数值稳定性好,并能有效克服"数据饱和".

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于开平	哈尔滨工业大学航天学院	120	1404	21.0	33.0
2	牟晓明	哈尔滨工业大学航天学院	10	155	7.0	10.0