Nhận dạng thông số chính là luyện mạng. Mô hình cơ bản của mạng nơron được luyện để mô phỏng hành vi của đối tượng điều khiển giống như
mô hình truyền thống được biểu diễn ở hình 2.1.
Hình 2.1: Mô hình nhận dạng cơ bản
Tín hiệu sai lệch e = y – y^ là cơ sở cho quá trình luyện mạng. Mạng
nơron ở đây có thể là mạng truyền thẳng nhiều lớp hoặc các dạng khác. Thuật toán cũng rất đa dạng. Có thể sử dụng tất cả các thuật toán nhận dạng đã có, các thuật luyện có giám sát.
Dạng thông tin vào mạng nơron có thể bổ sung, ví dụ hình 2.2:
Hình 2.2: Mô hình bổ sung thông tin đầu vào cho mạng nơ rôn
Trong đó ∆ là thời gian trễ.
Lưu ý rằng số lượng các trễđầu vào và đầu ra của quá trình cần chọn ít nhất cũng phải bằng bậc một của quá trình. Nếu có tri thức tiên nghiệm về
song song. Thông tin của tri thức tiên nghiệm được thể hiện bằng mô hình
song song như hình 2.3.
Hình 2.3: Mô hình sử dụng tri thức tiên nghiệm
Ngoài ra thay vì luyện mạng nơron để nhận động học thuận của đối tượng, người ta có thể luyện mạng nơron để nhận động học nghịch như hình 2.4.
Hình 2.4: Mô hình nhận dạng động học nghịch
Nhận dạng là khâu quan trọng trong quá trình điều khiển nhằm xây
dựng mô hình đối tượng. Một số đối tượng như động cơ, máy biến áp, máy
phát điện, mạch khuếch đại, mạch tích phân, vi phân v.v…đã được nghiên
cứu bằng phương pháp giải tích nên mô hình toán học của chúng dưới dạng
thực tế nhiều đối tượng cấu tạo phức tạp và không có sẵn mô hình toán học cho trước vì vậy phải làm thực nghiệm để nhận dạng tham số của mô hình.
Nhận dạng tham số là phương pháp nhận dạng chủđộng. Người ta đưa
vào hệ thống tín hiệu vào xác định u(t), sau đó đo tín hiệu ra y(t). Người ta
mô tả hệ thống bằng một mô hình tham số và dùng phương pháp bình phương
cực tiểu để hiệu chỉnh sao cho đánh giá của vecto tham số trùng với vecto tín hiệu ra của hệ thống. Ngày nay nhận dạng tham số được ứng dụng rất rộng rãi, nhất là trong điều khiển số. Nhận dạng tham số thường được dùng để
nhận dạng các hệ thống phức tạp, trong trường hợp này hệ thống được coi là
“Hộp đen”, vì vậy phương pháp nhận dạng tham số còn có tên là nhận dạng
hộp đen.
Nhiều kiến trúc và thuật toán theo kiểu nơron được dùng để nhận dạng
cấu trúc và tham số, đặc biệt là các mạng nơron truyền ngược. Trong phần
tổng quan cho thấy mạng nơron có khả năng xấp xỉ các hàm phi tuyến một
cách đầy đủ và chính xác, nó được sử dụng tốt cho các mô hình động học
trong hệ thống phi tuyến. Điều quan trọng được sử dụng ở đây là thuật truyền ngược tĩnh và động của mạng nơron, nó được sử dụng để hiệu chỉnh các tham số trong quá trình nhận dạng và điều khiển.
Những mạng nơron nhân tạo đưa ra những lợi thế qua việc học sử dụng phân loại và xử lý song song. Những mạng này được thực hiện sử dụng kết nối giữa các xử lý những đơn vị tạo nên sức mạnh, và chúng hấp dẫn những
ứng dụng trong nhận dạng và điều khiển hệ thống.
Trong phần này tác giảđưa ra các mô hình tiêu biểu của những thiết bị
SISO cho các trường hợp tổng quát và nhiều biến. Các mô hình này tạo điều
kiện nhận dạng đối với hệ thống tuyến tính và có thể sử dụng đưa ra tổng quát về hệ phi tuyến.