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

1、計算機系統(tǒng)仿真技術目前已成為分析、研究各種系統(tǒng)，特別是復雜系統(tǒng)的重要工具，由于具有經(jīng)濟、可靠、易實現(xiàn)和可多次重復使用等優(yōu)點，已成為對實際系統(tǒng)進行分析、設計、實驗、評估的有效手段，在科學研究和工程領域具有廣泛的應用。 隨著計算機系統(tǒng)仿真應用領域的不斷擴大，人們所面臨的系統(tǒng)建模問題也變得越來越復雜。目前主要存在兩個方面的問題：一是建模對象復雜，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)絡是近年來計算機智能研究領域發(fā)展迅速的一門理論和技術，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)學模型而被應用于計算機系統(tǒng)仿真建模，且多層前饋網(wǎng)絡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)境學習獲取知識(即通過對系統(tǒng)輸入/輸出典型樣本數(shù)據(jù)的學習，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)絡模型和學習算法，首先研究了現(xiàn)有的動態(tài)神經(jīng)網(wǎng)絡：延時單元網(wǎng)絡、全反饋網(wǎng)絡、部分反饋網(wǎng)絡，給出了網(wǎng)絡拓撲結構，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)絡和離散過程神經(jīng)元網(wǎng)絡兩種網(wǎng)絡模型，對其性質進行了分析和證明，推導出了具體的學習算法；最后給出了過程神經(jīng)網(wǎng)絡在動態(tài)系統(tǒng)辨識中的

4、應用。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)展和應用：總結了現(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、過程神經(jīng)網(wǎng)絡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)絡的基本理論、性質、方法進行了總結；并對基于人工神經(jīng)網(wǎng)絡的系統(tǒng)仿真進行闡述，指出人工神經(jīng)網(wǎng)絡用于系統(tǒng)仿真的可行性，提出利用人工神

5、經(jīng)網(wǎng)絡進行動態(tài)系統(tǒng)仿真的三種途徑，提出使用神經(jīng)網(wǎng)絡進行系統(tǒng)仿真的一般步驟。 第3章研究延時單元網(wǎng)絡、全反饋網(wǎng)絡和部分反饋網(wǎng)絡的仿真模型、仿真適應性、用于仿真的方法、學習算法。 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)，構建了時變輸入輸出過程神經(jīng)元網(wǎng)絡和離散過程神經(jīng)元網(wǎng)絡模型。對于時變輸入輸出過程神經(jīng)元網(wǎng)絡，研究了其拓撲結構；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用的有效性；構造了一種