【拟合】基于RBF-NN 进行非线性系统识别附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

⛄ 内容介绍

针对一类模型未知的非线性动态系统,提出了一种基于神经网络在线 估计结构的鲁棒故障诊断检测方法.系统中,仅输入输出可测,且包含输出不确定性项.该方法通过构造神经网络在线逼近结构来拟合该非线性系统模型和系统的非 线性故障特性,建立系统的状态观测器.神经网络的权重调整规律由李亚普诺夫稳定性方法获得,系统的输出不确定性部分被用于获得诊断算法的阈值.最后,用 Matlab/SIMULINK对的算法予以验证,结果表明本算法的合理性.

⛄ 部分代码

clc

clear all

close all

len = 200;

x=[-1 -1 ones(1,round(len/4)) -ones(1,round(len/4)) ones(1,round(len/4)) -ones(1,round(len/4))];

x=awgn(x,20);

figure

plot(x,'k','linewidth',4)

leg_handle=legend('Input signal');

ax = gca; % current axes

ax.FontSize = 15;

set(leg_handle,'Fontsize',18);

xlabel('Sample #','FontSize',16,'FontWeight','bold','Color','k')

ylabel('Input','FontSize',16,'FontWeight','bold','Color','k')

xlim([1 200])

grid minor

ylim([-2 2]);

saveas(gcf,strcat('input.png'),'png')

⛄ 运行结果

⛄ 参考文献

[1]丁宏锴, 萧蕴诗, 李斌宇,等. 基于PSO-RBF NN的非线性系统辨识方法仿真研究[J]. 系统仿真学报, 2005, 17(8):4.

⛄ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料