论文部分内容阅读
神经网络具有并行处理能力、自学习能力、自适应能力和以任意精度逼近任意非线性函数的特点,是解决非线性、多变量、不确定等复杂控制问题的一条十分有效的途径,它在模式识别、系统辨识、控制等领域都得到了广泛的应用。
论文就神经网络在模式识别与系统辨识方面的应用展开研究。以MATLAB6.1和VisualBasic6.0为设计平台和开发工具,针对某些具体应用实例,实现神经网络模式识别与系统辨识的建模、仿真和系统测试工作。
论文利用神经网络的优化方法解决了模式识别中的模式分类和大写英文字母识别问题,以及系统辨识中的线性系统辨识和非线性系统辨识问题。
在模式分类中,主要实现逻辑“与”、逻辑“或”和对逻辑“异或”问题的求解,以及对某一汽轮机减速箱三种运行状态的分类。
在大写英文字母识别中,分别对理想大写英文字母和附加噪声的大写英文字母进行识别。
在线性系统辨识中,实现了对频率f=1~100Hz的正弦曲线和余弦曲线的辨识。
在非线性系统辨识中,分别采用了BP神经网络和RBF神经网络对某一非线性方程进行对比辨识,从而得出在达到相同目标误差下,RBF神经网络的辨识效果优于BP神经网络的结论。
通过仿真软件的研制,构建了一个完整的计算、绘图体系,同时前台的用户图形借助VB编程来实现,使界面更加友好、易用,而后台的计算、绘图任务则由MATLAB来完成,进而实现了VB和MATLAB的优势互补功能。
上述研究和一些应用实例表明,基于MATLAB的神经网络模式识别与系统辨识具有较好的应用前景。论文最后给出了基于MATLAB的神经网络模式识别与系统辨识方法研究的总体评价和需要改善的下一步设计方案。