NARX模型的辨识方法研究

发布时间：2020-03-27 18:13

【摘要】：非线性自回归模型(NARX)可以用来描述一大类的非线性动态系统,该模型的优点使研究者逐渐意识到其在描述复杂系统时的重要性。例如,该模型可以被描述为线性参数模型,因此目前已经存在的诸多方法都可以用来解决上述优化问题。当辨识NARX模型的时候,预先设定的字典矩阵通常包含很多的模型项,为了避免过拟合问题,在变量选择的过程中很多的模型项都不应该被选进最终的模型中。变量选择也被认为是系统辨识中最具挑战性的问题。本文针对NARX模型辨识过程中存在的关键问题进行了一系列研究。主要的工作总结如下:1.提出稳定正交回归方法(SOR)旨在建立一个具有更少或没有冗余项的简约模型。SOR方法的主要思想是首先利用正交前向回归方法(OFR)以及子采样技术产生多个中间模型,然后最终的模型取上述中间模型的线性组合但仅包含被频繁选择的变量。该方法的辨识结果不是十分依赖于停止条件,原因在于其模型选择的结果基于模型项的选择概率。本文对新方法进行了理论分析,而且利用仿真例子并通过与其他辨识方法的对比验证了新方法的有效性。2.提出一种新的贝叶斯增广Lagrangian方法(BAL),目的是利用新方法解决加权l_1最小化问题以获得稀疏的模型同时减小计算量。为了实现上述目标,首先将原始优化问题转换成几个子优化问题分别进行求解,同时利用贝叶斯学习方法降低模型复杂度以避免过拟合问题。新方法的收敛性可以得到保障同时本文也给出了相关的理论证明。通过两个非线性仿真例子验证了本文所提方法的有效性。3.提出了一种新的方法旨在获得一个具有少量神经元节点的简化神经网络,但是与原网络相比仍保持相似的建模精度。首先,利用Matlab工具箱建立原始的神经网络模型,然后利用正交匹配追踪算法(OMP)选择重要的神经元并抛弃冗余的神经元,最终获得一个更加简约的网络模型。两个非线性仿真例子验证了新方法的有效性。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：N945.14;TP183

【相似文献】

相关期刊论文 前10条

1 李润泽;付家兴;;基于改进粒子群算法的热工模型辨识[J];锅炉制造;2017年01期

2 赵连惠;;实船航向运动模型辨识通过部级评审[J];船工科技;1987年04期

3 倪维斗,潘永泉;管式换热器模型辨识的自适应跟踪方法[J];发电设备;1988年02期

4 李朝安;电力系统周负荷模型辨识和预报[J];中国电机工程学报;1988年03期

5 王远赣;黄楠;郝麦海;;微型机数学模型辨识仪[J];机械与电子;1988年02期

6 胡康萍;袁震东;;径流过程的广义Hammersstein模型及其辨识[J];应用概率统计;1988年02期

7 邹宇鹏;吴宝贵;崔学政;孙少华;;基于硬件在环仿真的系统模型辨识平台设计[J];实验室研究与探索;2018年06期

8 王燕;刘洋;;基于遗传算法的发动机控制通道教学模型辨识[J];民营科技;2016年02期

9 要会娟;浮洁;张丽香;;基于神经网络的磁流变阻尼器逆向模型辨识研究[J];计算机仿真;2015年12期

10 王洁云;;状态空间模型的辅助模型辨识方法[J];智能机器人;2016年06期

相关会议论文 前10条

1 黄焯;方康玲;梅胜松;;一种改进的模糊模型辨识方法[A];1996年中国智能自动化学术会议论文集（上册）[C];1996年

2 王德普;夏洪胜;;实船航向运动模型辨识[A];第三届全国控制与决策系统学术会议论文集[C];1991年

3 朱文彪;孙增圻;;基于数据特征的模糊模型辨识与模糊控制器设计方法[A];2009年中国智能自动化会议论文集（第五分册）[东南大学学报（增刊）][C];2009年

4 潘永泉;;基于神经网络的分布参数系统模型辨识与控制[A];1995中国控制与决策学术年会论文集[C];1995年

5 钟秋海;张高明;王庆林;李宪玉;;飞行员在+Gz作用下血容量变化的数学模型辨识[A];1997年中国控制会议论文集[C];1997年

6 习华勇;赵林明;;指数函数模型辨识的模拟退火算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（下卷）[C];1995年

7 黄显林;宋清南;班晓军;高晓智;;一种基于和声搜索算法的T-S模型辨识方法[A];第二十九届中国控制会议论文集[C];2010年

8 任庆昌;;MPSSM模型辨识的误差准则分析[A];1994中国控制与决策学术年会论文集[C];1994年

9 张超;原野;;基于SCADA数据的风电场后评估系统[A];第六届中国风电后市场交流合作大会论文集[C];2019年

10 高亚辉;杨刚;臧军;;航空发动机液压执行机构模型时域辨识方法研究[A];中国自动化学会控制理论专业委员会B卷[C];2011年

相关博士学位论文 前10条

1 李赛;基于多模型的状态估计及其组合方法的故障预报研究[D];华中科技大学;2018年

2 贺尚红;连续动力学系统参数模型辨识及工业试验[D];中南大学;2003年

3 孙冬梅;动态压力测量系统非线性模型辨识[D];南京理工大学;2004年

4 刘知贵;双线性工业过程的稳态模型辨识[D];西南交通大学;2005年

5 高大远;非线性系统自组织多模型建模与控制方法[D];国防科学技术大学;2006年

6 杨剑锋;基于组合模型的非线性预测控制算法及其应用研究[D];浙江大学;2007年

7 李卫;基于核方法的模糊模型辨识研究[D];上海交通大学;2008年

8 李全善;基于数据的乙烯装置过程模型辨识、控制与优化的研究及应用[D];北京化工大学;2014年

9 赵小鹏;复杂工业过程的多模型辨识及控制应用研究[D];华北电力大学(北京);2017年

10 袁明;车辆侧向动力学模型辨识方法的研究与应用[D];上海交通大学;2009年

相关硕士学位论文 前10条

1 唐小泉;NARX模型的辨识方法研究[D];华中科技大学;2019年

2 唐秦伟;基于深度学习的CZ法硅单晶生长模型辨识与化料进程估计方法研究[D];西安理工大学;2019年

3 钱坤;基于U模型的DC/DC变换器建模及控制方法研究[D];江南大学;2019年

4 吴征飞;数据相容性检测、重构与飞行动力学模型辨识研究[D];南京航空航天大学;2018年

5 郭俊霖;大型风机非线性动态模型建立及其应用研究[D];华北电力大学(北京);2018年

6 宋士豹;多变量时间序列模型辨识方法研究[D];天津理工大学;2018年

7 景雪婷;直拉单晶温度场中一维受控模型辨识及其模态控制[D];兰州大学;2018年

8 刘鲲鹏;基于离散采样数据的连续模型辨识[D];中国科学技术大学;2015年

9 付家兴;基于智能优化算法的热工大惯性对象模型辨识研究[D];上海电力学院;2017年

10 赵晓峰;遗传算法在模糊模型辨识中的应用[D];厦门大学;2001年

，

本文编号：2603204