【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第3期 307-310页,共4页

【作 者】： 潘峰 ; 韩如成

【摘 要】 研究了时变大时滞系统的参数辨识问题。大时滞系统大多采用补偿控制方法，但是补偿控制方法需要系统的精确数学模型，因而获得大时滞系统的数学模型成为了补偿控制的关键，时变特性使问题复杂化，从而影响了大时滞系统的控制精度。为解决上述问题，提出了一种神经网络的参数辨识策略，利用一个神经元对系统的时滞参数进行辨识，从而可以将时滞从系统模型中分离出来，可利用一个RBF神经网络模型辨识系统的其它参数，使神经元的输出作为RBF神经网络的一个输入，从而实现了串一并联结构的双神经网络拓扑。拓扑结构可以比串级的神经网络提高训练速度，因而也就更适合于实时控制。针对工业锅炉回水温度控制系统的仿真结果验证了所提辨识算法的正确性。