(1)不要求建立实际系统的辨识格式,即可以省去选择模型这一步,因为神经网络本质已作为一种辨识模型,其可调参数反映在网络内部的权值上。
(2)可以对本质非线性系统进行辨识。而且是通过在网络外部拟合系统的输入/输出,网络内部归纳隐含在系统输入/输出数据中的系统特性来完成,因此这种辨识是由神经网络本身实现的,是非算法式的。
(3)辨识的收敛速度不依赖于待辨识系统的维数,只与神经网络本身及其采用的学习算法有关,传统的辨识算法则随模型参数的增大而变得更复杂。
(4)由于神经网络具有大量的连接,这些连接上的权值在辨识中对于模型参数,通过调节这些权值可使网络输出逼近系统输出。
(5)神经网络作为实际系统的辨识模型,实际上也是系统的一个物理实现,可以用于在线控制。
所以,用神经网络方法进行辨识可以得到更符合实际的模型,且可以对其进行参数控制来获得更好的控制效果。而MATLAB提供的B
1