1) neural-based observer
神经网络状态观测器
2) neural network observer
神经网络观测器
1.
Aiming at a class of nonlinear system,designs a kind of sliding mode neural network observer for fault detection and diagnosis.
针对一类非线性系统,设计了一种用于故障检测和诊断的滑模神经网络观测器。
3) Networked system state observer
网络状态观测器
4) Neural network predictor
神经网络预测器
1.
The Fault Diagnose Based on Neural Network Predictor for Pressure Sensor in HTG System;
基于神经网络预测器的静压式油罐计量系统压力传感器的故障诊断
5) factor state artificial neural network
因素状态人工神经网络
6) state space neural network
状态空间神经网络
1.
This paper presents a hybrid model for urban arterial travel time prediction based on the so-called state space neural networks (SSNN) and the extended Kalman Filter(EKF).
提出了一种基于状态空间神经网络(SSNN)和拓展卡尔曼滤波(EKF)的混合式行程时间预测模型。
补充资料：状态观测器
根据系统的外部变量(输入变量和输出变量)的实测值得出状态变量估计值的一类动态系统，也称为状态重构器。60年代初期，为了对控制系统实现状态反馈或其他需要，D.G.吕恩伯格、R.W.巴斯和J.E.贝特朗等人提出状态观测器的概念和构造方法，通过重构的途径解决了状态的不能直接量测的问题。状态观测器的出现，不但为状态反馈的技术实现提供了实际可能性，而且在控制工程的许多方面也得到了实际应用，例如复制扰动以实现对扰动的完全补偿等。
对于给定的线性定常系统s=(A，B，C)(见线性系统理论)，它的状态观测器慗也是一个线性定常系统。对系统慗的基本要求是:①慗以s 的外部变量(输入变量和输出变量)为其输入变量。②慗是稳定的。③慗的输出变量憫是原系统s的状态变量x的实时估计值，憫与x之间的偏差随时间的衰减应满足一定的快速性。
构成状态观测器的方法依需要的不同而有差别。最简单的是开环状态观测器（图1）。这种观测器实质上就是按被观测系统复制的一个模型，但其状态变量可以直接输出。只要初始条件相同憫(0)＝x(0),憫(t)就可作为被观测系统的状态x(t)的一个精确的估计。但这个条件往往很难满足。此外，这种开环观测器对外界干扰的抗干扰性和对参数变动的灵敏度都很差，它的输出憫(t)不能成为x(t)的一个良好估计。因此开环状态观测器几乎没有实用价值。
采用闭环方式构成的状态观测器能克服开环状态观测器的缺点。渐近状态观测器就是一种闭环状态观测器(图2)。在这种观测器中,被观测系统的输出变量y提供对观测器系统的校正作用。图中M是一个常系数矩阵,当被观测系统为能观测（见能观测性)时,可用极点配置方法适当选取M中各元素的数值,把矩阵A-MC 的全部特征值移到适当的位置上,使状态观测器满足指定的快速性要求。渐近状态观测器在抗干扰性和灵敏度方面要比开环状态观测器好得多。
开环状态观测器和渐近状态观测器的维数都与被观测系统的维数相同。另一类状态观测器称为降维观测器，它也是按闭环方式构成的。如果被观测系统的维数为n，其输出矩阵C 的秩为m，则降维观测器的维数为n-m。降维观测器是依靠从被观测系统的输出y中直接获取状态x的部分信息的途径来实现降维的。这类观测器维数较低，构造较简单，更有实用意义。
参考书目
T.凯拉斯著,李清泉等译：《线性系统》,科学出版社，北京,1985。(T.Kailath，Linear Systems，Prentice-Hall Inc.,Engelwood Cliffs, N.J.,1980.)
对于给定的线性定常系统s=(A，B，C)(见线性系统理论)，它的状态观测器慗也是一个线性定常系统。对系统慗的基本要求是:①慗以s 的外部变量(输入变量和输出变量)为其输入变量。②慗是稳定的。③慗的输出变量憫是原系统s的状态变量x的实时估计值，憫与x之间的偏差随时间的衰减应满足一定的快速性。
构成状态观测器的方法依需要的不同而有差别。最简单的是开环状态观测器（图1）。这种观测器实质上就是按被观测系统复制的一个模型，但其状态变量可以直接输出。只要初始条件相同憫(0)＝x(0),憫(t)就可作为被观测系统的状态x(t)的一个精确的估计。但这个条件往往很难满足。此外，这种开环观测器对外界干扰的抗干扰性和对参数变动的灵敏度都很差，它的输出憫(t)不能成为x(t)的一个良好估计。因此开环状态观测器几乎没有实用价值。
采用闭环方式构成的状态观测器能克服开环状态观测器的缺点。渐近状态观测器就是一种闭环状态观测器(图2)。在这种观测器中,被观测系统的输出变量y提供对观测器系统的校正作用。图中M是一个常系数矩阵,当被观测系统为能观测（见能观测性)时,可用极点配置方法适当选取M中各元素的数值,把矩阵A-MC 的全部特征值移到适当的位置上,使状态观测器满足指定的快速性要求。渐近状态观测器在抗干扰性和灵敏度方面要比开环状态观测器好得多。
开环状态观测器和渐近状态观测器的维数都与被观测系统的维数相同。另一类状态观测器称为降维观测器，它也是按闭环方式构成的。如果被观测系统的维数为n，其输出矩阵C 的秩为m，则降维观测器的维数为n-m。降维观测器是依靠从被观测系统的输出y中直接获取状态x的部分信息的途径来实现降维的。这类观测器维数较低，构造较简单，更有实用意义。
参考书目
T.凯拉斯著,李清泉等译：《线性系统》,科学出版社，北京,1985。(T.Kailath，Linear Systems，Prentice-Hall Inc.,Engelwood Cliffs, N.J.,1980.)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条