PID神经网络辨识能力的初步研究

PID神经网络具有在线自学习能力，通过无教师的自学习方式，PID神经网络成功地实现了不同的系统辨识。本文在介绍PID神经网络的基础上，论述了PID神经网络进行系统辨识的理论依据，给出了PID神经网络通过自学习进行非线性动态系统辨识的结果。     

辨识一类抛物型系统时的传感器定位

该文研究了辨识一类抛物型系统ｕｔ＝ａｕｘｘ＋ｂｕｘ＋ｃｕ所用点测量传感器的定位问题。利用广义正交多项式将该系统近似成一有限维系统；根据集中参数系统理论讨论了近似系统的可辨识性，导出了传感器的区域定位策略，并给邮屯在局部优性条件下基于单点测量数据同时估计未知参数ａ，ｂ，ｃ的最小二乘算法，且用仿真实例说明了系统似误差对辨识结果的影响。     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

控制输入的线性时滞系统可辨识性分析

线性时滞系统的辨识性分析是过程控制理论的研究课题之一，通过对系统差分方程的讨论，在4个定义的基础上推出了2个定理，进而证明了可辨识性。阐述了输入充分不平稳信号时，线性时滞系统传递函数的在线辨识性和可控输入的不连续性决定着系统马尔科夫参教的可辨识性，分析了系统传递函数的在线辨识性和系统马尔科夫参数可辨识性的关系。这些分析无论在理论上，还是在工业应用中都具有重要意义。     

基于神经网络的非线笥系统辨识方法

主要介绍利用多层神经网络进行非线性系统辨识的几种模型以及相应的算法，并分析和比较它们的辨识性能，为高度不确定性动态系统的综合设计提出了一种分析方法。     

基于遗传算法的离散和连续系统辩识

阐述了遗传算法于离散和连续系统中直接辨识物理参数，该方法能有效地克服了色噪声的干扰，获得系统参数的无偏估计，对离散系统的辨识仿真结果说明了该方法的有效性。     

基于自适应神经模糊推理系统的非线性系统辨识与仿真

针对非线性系统的模糊性、不确定性等特点，将模糊推理系统和神经网络相结合，介绍了一种自适应神经模糊推理系统，并将其应用于非线性系统辨识中，仿真结果表明：训练后的ANFIS能够很好地逼近实际的非线性系统，并且辨识精度高。     

一类连续线性系统的完全辨识

在一般情况下，对于连续线性系统可以获得其代数等价系统或传递函数的辨识。本文对这种线性系统的一个特例，即由高阶方程描述的一类线性系统，依据系统的观测数据，用该系统的特征值构造出唯一的变换矩阵，解决这类系统辨识中，由离散辨识结果返回连续系统的反问题，进而实现这一类线性系统的完全辨识。     

模糊神经网络的非线性辨识理论及应用

论述了模糊系统和神经网络相结合的非线性系统辨识理论．通过分析模糊系统规则之间的隐含关系，给出具有非线性模糊关系的模糊神经网络非线性系统辨识方法，并用仿真方法进行了验证．最后讨论了网络的稳定性和收敛性．     

有源护耳器系统频响的实验研究

分析了有源扩耳器系统的被控制对象，采用自适应滤波辨识方法对系统进行了辨识实验研究，得到了系统的模型和参数。