摘要：提出一种改进的函数连接型神经网络（FLANN），并将其应用于传感器动态建模。首先，将单输入单输出（SISO）的传感器系统表达为动态差分方程模型；再充分考虑动态模型输出的历史值与参数之间的关系，对模型输出与参数的偏导数进行重新推导，得到了对权值参数偏导数的更高精度估计；最后，利用该模型梯度进行迭代训练，加快了网络收敛速度并提高了收敛的稳定性。实验结果表明，改进FLANN具有更快的收敛速度和更强的鲁棒性，十分适合传感器动态系统的建模。

关键词：函数连接型神经网络 动态模型 辨识 传感器 

单位：清华大学电机系电力系统国家重点实验室 北京100084