薛晓东建模方法综述本刊Ｅ－ｍａｉｌ：ｂｊｂ＠ｓｘｉｎｆｏ．ｎｅｔ综述
中部分可能是彼此相关的变量。

（２）现场数据采集与处理。

采集被估计变量和原始辅助变量的历史数据。

现场数据必须经过过失误差检测和数据协调．保证数据的准确性。

由于神经网络建模一般用于静态估计，应该采集系统平稳运行时的数据。

并注意纯滞后的影响。

（３）辅助变量精选—输入数据集降维。

通过机理分析．可以在原始辅助变量巾找出相关的变量，选择响应灵敏、测量精度高的变量为最终的辅助变量。

更为有效的方法是主元分析法，即利用现场的数据作统计分析计算，将原始辅助变量与被测量变量的关联度排序．实现变量精选。

（４）神经网络模型的结构选择。

根据系统特点选择模型的类型．即线性、非线性和混合型等。

从理论上看，神经网络与传统控制理论的结合使控制系统具有相当程度的智能。

利用网络的学习能力和任意非线性映射能力．通过对样本数据对的训练．神经网络可以实现对复杂系统的辨识和控制。

诚然如此，目前神经网络控制的研究大多仍停留在数学仿真和实验室研究阶段．极少用于实际系统的控制。

主要由于神经网络存在以下的局限性：一是存在局部极小值问题．造成网络局部收敛；二是学习速度慢，训练时间长；三是理想的训练样本提取困难。

影响网络的训练速度和训练质量；四是网络结构不易优化，特别是隐层节点数目的选取常常带有盲目性；五是尚未从理论上完全解决神经网络学习算法的收敛性。

近年来兴起的小波网络是神经网络模型与小波分析理论。

以及这两者的结合所产生的，是研究非线性问题所需要的极其重要的科学工具。

小波分析在理论上保证了小波网络在非线性函数逼近中所具有的快速性、准确性和全局收敛性等优点。

随着小波网络的不断发展，它们的巨大理论价值和广泛的应用前景为越来越多的学者所公认，尤其是在非线性系统辨识巾的应用潜力越来越大。

小波网络的形式和设计方法多种多样：如文献［３］是利用小波函数（或尺度函数）替换普通神经网络中的激励甬数；文献［４］则是从多分辨分析的角度利用正交小波基构造网络；文献［５］则重点讨论了高维小波网络的设计问题。

其中以紧支正交小波和尺度函数构造的正交小波网络具有系统化的设计方法，能够根据辨识样本的分布和逼近误差要求确定网络结构和参数；此外，如正交小波网络【６Ｊ还能够明确给出逼近误差估计．网络参数获取不存在局部最小问题等优点。

３．２模糊辨识方法
对于非线性时变动态系统的辨识，是实际中经常遇到的困难。

目前常见的有两种方法【７】：一是用线性模型来近似描述非线性系统，显然这对于有严重非线性的系统误差较大；二是根据被控对象已知的信息，选择与之相近的非线性数学模型。

显然有其局限性。

由于模糊模型易于表达非线性的动态特性，因此模糊模型辨识方法被认为是解决此类问题的一种可行方法。

由输人输出数据求取对象动态模型的模糊辨识方法由两部分组成：前提结构辨识和参数辨识，而参数辨识又分为前提参数辨识和结论参数辨识。

Ｔ＿Ｓ模型是由蚀蛹和Ｓｕｇｅｎｏ提出的一种动态系统的模糊模型辨识方法【ｓｌ，是以局部线性化为出发点．具有结构简单、逼近能力强的特点，已成为模糊辨识中的常用模型，而在Ｔ－－Ｓ模型的基础上又发展了一些新的辨识方法。

３．３基于遗传算法的非线性系统辨识
遗传算法是由美国Ｈｏｌｌａｎｄ教授提出，是一种通过模拟自然进化过程搜索最优解的方法。

其基本思想是基于Ｄａｒｗｉｎ进化论和Ｍｅｎｄｅｌ的遗传学说。

模拟自然界生物进化过程，在解空间中进行大规模、全局、并行搜索，适者生存，劣者淘汰，从而直接对
１７０解群进行操作，而与模型的具体表达方式无关。

遗传算法不依赖于梯度信息或其他辅助知识．能够快速有效地搜索复杂、高度非线性和多维空间．为非线性系统辨识的研究与应用开辟一条新途径。

文献［９］利用改进的遗传算子，提出一种辨识系统参数的方法．有效地克服了有色噪声的干扰．获得系统参数的无偏估计。

文献［１０］给出一种南遗传算法（ＧＡ）、进化编程（ＥＰ）相结合的辨识策略。

可以一次辨识出系统的结构和参数．主要思想是用ＧＡ操作保证搜索是在整个解空问进行的，同时优化过程不依赖于种群初值的选取．用ＥＰ操作保证求解过程的平稳性，该方法比分别用ＧＡ和ＥＰ的效果都好。

文献［１１］给出一种基于遗传算法的非线性系统模型参数估计的算法。

４结语
系统辨识的应用价值已在实践中得到验证，从理论上讲，辨识技术可以应用于控制、预报、滤波、信号处理和形成自适应控制等，还可以用于故障诊断和故障检测。

可以说．所有需要在线或离线应用过程模型的领域中，都能采片Ｉ辨识技术。

因此，辨识的应用研究正在不断深入、应用领域不断扩大。

也正因为如此，建模的方法也在飞速的发展．系统辨识的发展方向将是成为综合多学科知识的科学，从而建立更加精确的模型。

参考文献
［１］方崇智。

萧德云．过程辨识［Ｍ］．北京：清华大学出版社，１９８８．
［２］杨斌，田永青，朱仲英智能建模方法巾的数据预处理【Ｊ］．信息与控制，２００２，３ｌ（４）：３８０—３８４．
［３］ＺＨＡＮＧＱ．Ｗａｖｅｌｅｔｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥＴｒａｎｓ．ＮｅｕｒａｌＮｅｔｗｏｒｋｓ。

１９９２．３（６）：８８９—８９８．
［４］ＢＡＨＡＶＩＫＲＢａｎｄＳＴＥＰＨＡＮＯＰＯＵＬＯＳＧ．Ｗａｖｅｎｅｔ：ａｍｕｌｔｉ—ｒｅｓｏｌｕｓｉｏｎ，ｈｉｅｒａｅｈｉｅａｌｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｌｏｃａｌｉｚｅｄｌｅａｒｎｉｎｇ［Ｊ］．ＡＩＣｈＥＪｏｕｎａｌ．１９９３．３９（１）：５７—８１．
［５］ＺＨＡＮＣ，Ｑ．Ｕｓｉｎｇｗａｖｅｌｅｔｎｅｔｗｏｒｋｉｎｎｏｎｐａｒａｍｅｔｆｉｃｅｓｔｉｍａｔｉｏｎ【ＪＪ．１ＥＥＥＴｍｎｓ．ＮｅｕｒａｌＮｅｔｗｏｒｋｓ，１９９７，８（２）：２２７—２３６．
［６］王海清．宋执环，李平．采用正交小波网络的非线性系统辨识方法［Ｊ］．控制理论与应用．２００１，１８（２）：２００—２０４．
［７］张化光．何希勤．模糊自适应控制理论及其应用［Ｍ］．北京：北京航空航天大学Ｈ；版社，２００２．
［８］李十勇．模糊控制・神经控制和智能控制论［Ｍ］．哈尔滨：哈尔滨工业大学出版社，１９９８．
［９］李茶玲，孙德保．遗传算法在系统辨识中的应用［Ｊ］．华中理工大学学报，１９９８．２６（７）：５７—５８．
［１０］李孝安．一种基于遗传算法与进化编程的系统辨识方法［Ｊ］．控制与决策，１９９６，ｌｌ（３）：４４）４－４０７．
［１１］姜波。

江秉文．基于遗传算法的非线性系统模型参数估计［Ｊ］．控制理论与应用，２０００，１７（ｉ）：１５０－－１５２．
（实习编辑：薛艳）
第一作者简介：薛晓东．男，１９８１年１２月生，２００４年毕业于太原理丁大学自动化专业．助理工程师．山西省化工设计院。

山
西省太原市，０３０００Ｉ．。