基于RBF神经网络的非线性系统对象辨识
被控对象数学模型的精确建立是控制理论研究和发展的重要基础,但在实际工况中的控制系统多为复杂的非线性系统,因此高精度的非线性系统辨识技术显得至关重要.RBF神经网络具有对任意非线性函数逼近的能力,于是设计将RBF神经网络技术运用到系统辨识中,并通过Matlab仿真基于RBF神经网络对给定复杂非线性系统的辨识.仿真结果表明在对于复杂非线性系统的辨识上,基于RBF神经网络的系统辨识法是准确可行的.
系统辨识、RBF神经网络、非线性系统、仿真
TP273(自动化技术及设备)
2020-03-31(万方平台首次上网日期,不代表论文的发表时间)
共3页
31-33