论文部分内容阅读
针对复杂非线性动态系统辨识问题，提出了一种基于过程神经元网络（PNN）的辨识模型和方法．根据系统待辨识的模型结构和反映系统模态变化特征的动态样本数据，利用PNN对时变输入／输出信号的非线性变换机制和白适应学习能力，建立基于PNN的系统辨识模型．辨识模型能够同时反映多输入时变信号的空间加权聚合以及阶段时间效应累积结果，直接实现非线性系统输入／输出之间的动态映射关系．文中构建了用于并联结构和串一并联结构辨识的PNN模型，给出了相应的学习算法和实现机制，实验结果验证了模型和算法的有效性．