基于时变动态神经网络的非线性时变系统辨识

提出有限区间连续时变非线性系统建模与辨识的一种神经网络方法。它允许网络权值是时变的,以迭代学习方法调整权值,进行网络训练。借助于重复运行过程,不计逼近误差,迭代学习算法能够使得网络辨识误差在整个时间区间上渐近收敛于零。为了处理逼近误差,提出带死区修正的迭代学习算法训练时变神经网络。文中证明带死区修正的迭代学习算法能够保证网络辨识误差沿迭代轴在整个时间区间上渐近收敛于由死区界定的邻域内。文中分别依据逼近误差的界值已知和未知两种情形进行了讨论。