一种用于非线性动态辨识的新型神经网络

作     者：张剑 林瑞昌 毕天昊 ZHANG Jian;LIN Ruichang;BI Tianhao

作者机构：广州番禺职业技术学院智能制造学院广东广州511483 台湾云林科技大学工程学院中国台湾云林640301 

出 版 物：《控制工程》 (Control Engineering of China)

年 卷 期：2024年第31卷第8期

页      面：1383-1391页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：自建递归型模糊神经网络 自建型模糊神经网络 多层神经元神经网络 非线性动态系统辨识 

摘      要：为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加了模糊推论与一个递归通道。为验证SCRFNN在系统辨识中的有效性,设计一个新的NDSI在线学习模型与代码设计流程图,并以此作为在线学习架构,将以上3个神经网络模型对4个串-并型非线性动态系统进行辨识分析。经过仿真表明,新提出的SCRFNN通过存储内部状态,具备了映射动态特征的功能,从而使系统具有适应时变特性的能力,更适合于非线性动态系统的辩识。且在模糊规则数、学习收敛速度、学习与预测误差均方根值、预测精准度方面也取得了良好的效果。