作为人工智能的重要组成部分,人工神经网络有较大的应用潜力.该文在阐述了神经网络的发展、现状、基本原理及其在自动控制中的应用的基础上,主要研究了小波神经网络在系统辨识应用中的结构与算法.小波神经网络是在小波分析理论的基础上提出的,是小波变换和神经网络有机结合的产物.由于小波神经网络与普通的前项网络相比,具有网络结构和参数的确定有理论依据及收敛速度快、精度高等优点,因此小波神经网络在运用于系统辨识时具有独特的优势.该文详细介绍了小波分析理论和小波神经网络的基础知识,分析了几种流行小波神经网络学习算法的优缺点,系统地介绍了系统辨识的一般理论以及时变系统辨识的传统方法及研究现状,并在此基础上提出了基于小波神经网络的系统辨识器的一般结构.小波神经网络结构的确定问题,即如何确定隐层神经元的个数,一直是其研究中的一个难点和关键.该文针对以上问题,在分析了前人研究成果的基础上,受Pati和Krishnapresad关于三个Sigmoid函数的线性组合可以作为小波基函数的理论的启发,提出了一种确定小波网络结构的新方法,为小波网络隐层神经元数目的确定提供了一个新途径.其原理是合理选择小波基函数序列中的能够覆盖被逼近函数整个时频区域的一个元素或几个元素的组合作为网络的基函数,以此来确定隐层神经元的个数,从而确定小波网络的结构.该文从理论方面对算法进行了深入的剖析,介绍了算法的详细思路和具体过程,并将算法训练后的小波神经网络运用到实际的非线性系统的辨识过程中去.几个典型的系统辨识仿真实验表明该算法具有跟踪精度高和计算简便的良好性能.