基于人工神經(jīng)網(wǎng)絡(luò)的動態(tài)系統(tǒng)仿真模型和算法研究.pdf

1、計算機系統(tǒng)仿真技術(shù)目前已成為分析、研究各種系統(tǒng)，特別是復(fù)雜系統(tǒng)的重要工具，由于具有經(jīng)濟、可靠、易實現(xiàn)和可多次重復(fù)使用等優(yōu)點，已成為對實際系統(tǒng)進行分析、設(shè)計、實驗、評估的有效手段，在科學(xué)研究和工程領(lǐng)域具有廣泛的應(yīng)用。 隨著計算機系統(tǒng)仿真應(yīng)用領(lǐng)域的不斷擴大，人們所面臨的系統(tǒng)建模問題也變得越來越復(fù)雜。目前主要存在兩個方面的問題：一是建模對象復(fù)雜，存在著多種不確定性以及難以確定描述的非線性特性；二是對系統(tǒng)建模的要求越來越高，迫切需要提高

2、系統(tǒng)模型的描述能力和建模方法的靈活性、普適性以及智能水平。 人工神經(jīng)網(wǎng)絡(luò)是近年來計算機智能研究領(lǐng)域發(fā)展迅速的一門理論和技術(shù)，由于其用于問題求解無需事先建立精確的物理模型和數(shù)學(xué)模型而被應(yīng)用于計算機系統(tǒng)仿真建模，且多層前饋網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù)，并與一個微分方程(組)對實際系統(tǒng)的描述能力等價，是一種適用性較強的系統(tǒng)仿真建模方法。同時該方法具有通過向環(huán)境學(xué)習(xí)獲取知識(即通過對系統(tǒng)輸入/輸出典型樣本數(shù)據(jù)的學(xué)習(xí)，來獲取系統(tǒng)內(nèi)部隱含的規(guī)

3、律)的能力，因此對于系統(tǒng)仿真問題具有較好的適應(yīng)性。 本課題主要針對動態(tài)系統(tǒng)仿真的一些實際問題，研究適用于動態(tài)系統(tǒng)建模的人工神經(jīng)網(wǎng)絡(luò)模型和學(xué)習(xí)算法，首先研究了現(xiàn)有的動態(tài)神經(jīng)網(wǎng)絡(luò)：延時單元網(wǎng)絡(luò)、全反饋網(wǎng)絡(luò)、部分反饋網(wǎng)絡(luò)，給出了網(wǎng)絡(luò)拓撲結(jié)構(gòu)，用于仿真的方法，仿真算法及仿真實例；然后建立了時變輸入輸出過程神經(jīng)元網(wǎng)絡(luò)和離散過程神經(jīng)元網(wǎng)絡(luò)兩種網(wǎng)絡(luò)模型，對其性質(zhì)進行了分析和證明，推導(dǎo)出了具體的學(xué)習(xí)算法；最后給出了過程神經(jīng)網(wǎng)絡(luò)在動態(tài)系統(tǒng)辨識中的

4、應(yīng)用。論文內(nèi)容安排如下： 第1章是緒論。闡述了系統(tǒng)仿真的發(fā)展和應(yīng)用：總結(jié)了現(xiàn)有的系統(tǒng)仿真建模方法；分析現(xiàn)有方法存在的缺點和難點；指出用人工神經(jīng)網(wǎng)絡(luò)進行系統(tǒng)仿真的好處；并對系統(tǒng)仿真、人工神經(jīng)網(wǎng)絡(luò)、過程神經(jīng)網(wǎng)絡(luò)的基本概念或模型進行了說明；提出本研究的選題和內(nèi)容安排。 第2章主要對系統(tǒng)仿真和人工神經(jīng)網(wǎng)絡(luò)的基本理論、性質(zhì)、方法進行了總結(jié)；并對基于人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)仿真進行闡述，指出人工神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)仿真的可行性，提出利用人工神

5、經(jīng)網(wǎng)絡(luò)進行動態(tài)系統(tǒng)仿真的三種途徑，提出使用神經(jīng)網(wǎng)絡(luò)進行系統(tǒng)仿真的一般步驟。 第3章研究延時單元網(wǎng)絡(luò)、全反饋網(wǎng)絡(luò)和部分反饋網(wǎng)絡(luò)的仿真模型、仿真適應(yīng)性、用于仿真的方法、學(xué)習(xí)算法。 第4章針對仿真系統(tǒng)的兩大類型，即連續(xù)系統(tǒng)和離散系統(tǒng)，構(gòu)建了時變輸入輸出過程神經(jīng)元網(wǎng)絡(luò)和離散過程神經(jīng)元網(wǎng)絡(luò)模型。對于時變輸入輸出過程神經(jīng)元網(wǎng)絡(luò)，研究了其拓撲結(jié)構(gòu)；證明了連續(xù)性定理、逼近定理和計算能力定理，從而保證了其對實際問題應(yīng)用的有效性；構(gòu)造了一種