基于RBFNN的伺服系統(tǒng)在線辨識(shí)方法

由于伺服系統(tǒng)中存在的非線性和不確定性，難以用傳統(tǒng)的方法進(jìn)行建模，本文采用神
經(jīng)網(wǎng)絡(luò)通過(guò)函數(shù)逼近完成非線性系統(tǒng)的在線辨識(shí)。結(jié)合文中提出的徑向基網(wǎng)絡(luò)，通過(guò)對(duì)某轉(zhuǎn)臺(tái)伺服系統(tǒng)的仿真，驗(yàn)證了本文提出方法的可行性和有效性。
與傳統(tǒng)非線性辨識(shí)方法不同的是，神經(jīng)網(wǎng)絡(luò)辨識(shí)[1][5]不需要預(yù)先建立實(shí)際系統(tǒng)的辨識(shí)格
式，利用神經(jīng)網(wǎng)絡(luò)所具有的對(duì)任意非線性映射的任意逼近能力，通過(guò)直接學(xué)習(xí)系統(tǒng)的輸入輸出數(shù)據(jù)對(duì)，使得所要求的誤差函數(shù)達(dá)到最小，從而歸納出隱含在系統(tǒng)輸入輸出數(shù)據(jù)中的關(guān)系，實(shí)際系統(tǒng)的非線性和不確定性通過(guò)網(wǎng)絡(luò)學(xué)習(xí)反映在網(wǎng)絡(luò)的權(quán)系數(shù)矩陣上。基于BP 網(wǎng)絡(luò)的系統(tǒng)辨識(shí)雖然在理論上也是可行的，但是由于其學(xué)習(xí)效率低，收斂速度慢，易陷于局部極小狀態(tài)，從而限制了其在實(shí)際中的應(yīng)用效果。而RBF 網(wǎng)絡(luò)可以將某一知識(shí)存儲(chǔ)于局部神經(jīng)元中，是一種典型的局部逼近神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)速度快，并且隱含層神經(jīng)元數(shù)目可以在訓(xùn)練中自動(dòng)獲得，有效的彌補(bǔ)了BP 網(wǎng)絡(luò)的缺陷。