در سالهاي اخير تلاشهاي زيادي براي شناسايي سيستم هاي غيرخطي صورت گرفته است . [2,1] در زمينه از شبكه هاي عصبي مصنوعي به منظور شناسايي و كنترل سيستم هاي ديناميك به طور وسيعي استفاده شده است [2-4] ، چرا كه حل چنين مسائلي با روشهاي سنتي مشكلات خاص خود را خواهد داشت . در صورت استفاده از شبكه هاي عصبي R.B.F 1 و روش B.P2 پس انتشار كه از آنها به عنوان تقريب رننده هاي جهاني 3 ياد مي شود، رويه اي سيسماتيك جهت طراحي شبكه ( پارامترهاي مربوط به نرون ها 4 و ساختار شبكه ) وجود ندارد و نيز مرحله آموزش وقت گير مي باشد . [4] تبديلات موجك اخيراً به عنوانيك ابزار جديد براي تقريب تابعي 3 مطرح شده اند كه مي توانند جايگزين خوبي براي روش شبكه هاي عصبي باشند . [5,1] به خاطر شباهتي كه بين شبكه هاي عصبي با يك لايه پنهان و تبديل موجك گسسته وجود دارد ايده تركيب موجك ها و شبكه هاي عصبي پيشنهاد شده است Zhang . [6] و ديگران در سال 1994 از شبكه هاي موجك به طور موفقيت آميزي در تقريب توابع غيرخطي استفاده كردند . پس از آن افراد ديگري از ويژگي هاي شبكه هاي موجك در شناسايي سيستم هاي ديناميك خطي، غيرخطي و متغير با زمان استفاده نموده اند . [7-9]

كلمات كليدي:

تبديل موجك، شناسايي سيستم، سيستم تحريك، كنترل خودكار ولتاژ