基于RBF网络的系统辨识开题报告

1. 研究目的与意义

系统辨识是控制理论研究的一个重要分支，他是控制系统设计的基础。

传统的辨识算法往往是建立在线性系统理论基础上的，对非线性系统的辨识仍然存在困难。

而神经网络所具有的非线性特性和学习能力，给非线性系统的辨识带来了新的方法。

2. 国内外研究现状分析

系统辨识问题实际上是一个优化问题,为了满足复杂系统的需求，人们不断的探索有效的方法，其中最小二乘法，随机逼近法，极大自然法和预报误差法是比较典型的现代系统辨识方法。

而随着智能控制理论研究的不断深入及其在控制领域的广泛应用，现在研究的比较典型的方法是：集员系统辨识法，多层递阶系统辨识法，神经网络系统辨识法，遗传算法系统辨识法，模糊逻辑系统辨识法和小波网络系统辨识法。

自1958年第一个神经网络诞生以来，其理论与应用成果不胜枚举。

3. 研究的基本内容与计划

研究内容：设计rbf神经网络作为辨识器的方案并利用matlab实现系统辨识，对结果进行分析，以实现rbf神经网络的最佳逼近性质。

研究计划：1.进行理论学习,并于1月15日前完成开题报告与文献综述2结合理论，利用matlab实现rbf神经网络的系统辨识，于本学期第10周前完成3.完成毕业论文，做好准备，以应对抽查和答辩，于本学期第13前完成4.抽查，答辩。

本学期第13-16周

4. 研究创新点

从神经网络系统辨识原理出发，利用Matlab神经网络工具箱中提供的输入输出数据对，应用RBF网络进行系统辨识，建立RBF神经网络辨识模型，模拟其输出曲线，并且对辨识结果做了对比分析，进而实现RBF神经网络的最佳逼近性质。