请教高手，神经网络系统辨识，哪里出错了？

[ichhabeschon]

大家好，问题是关于神经网络参数辨识。测得对象（轨道小车系统，也就是倒立摆系统把摆去掉了，只剩小车和轨道，资料上说它是近似二阶线形系统）的输入和输出，按照二阶线性系统的差分方程形式建立了神经网络串-并联辨识模型，即神经网络的输入包含了原始输入，原始输入一次和二次延迟，输出一，二次延迟（输出的一，二次延迟也都是来自现实系统）。 神经网络我用了单个感知器，5输入，它以高精度（误差e-13）逼近了这组数据。然而当我从神经网络提取出二阶系统的参数构建Z变换模型再仿真，得到的结果和实际比很不理想。基于以上我分析可能的错误有以下2种可能：

1，对象轨道小车系统非线性太强，不能近似成线性系统。虽然能用单层网络逼近，但提取的参数由于少了阈值，效果不好。
2，输入激励信号选择不合适，没有充分激励出系统特性。我分别用了阶跃 和 正弦信号作为输入
附件里，图1测得的是阶跃输入和真实系统的输出，红线是输入，黄线输出
图2测得的是正弦输入和系统输出，红线是输入，黄线输出
图3是辨识结果比较。 幅值最大的为正弦输入，黄线为系统真实输出。蓝线为Z变换模型输出，另一红线为网络在并联连接下的输出， 可以看出 Z变换模型不理想。

请高手帮助分析下，根据这个系统的测量数据，能判定系统是线性系统或近似线性吗？ 在系统辨识中，阈值一般怎样处理？ 再就是帮我分析下错误原因。谢谢！