模块化非线性系统辨识算法研究
发布时间：2021-08-17 18:28
作为系统和控制科学的核心问题之一,系统辨识在控制系统的设计与分析方面得到了广泛地应用,并且已经深入到了生物学、生理学、医学、社会学等众多的科学技术领域。从而,系统辨识成为目前相当活跃的学科之一,吸引了大量的科技人员对其理论进行研究,探讨在不同实际问题中应用的可能性。在系统辨识方法研究中,由于工程实际对象的复杂性,使得非线性系统辨识方法在工程对象的分析中表现出明显的优势。然而,因为非线性系统固有的复杂多样性,目前关于非线性的研究还远没有达到成熟的程度,蕴涵在复杂现象背后的“本质问题”还没有完全揭示出来。因此,传统的辨识方法始终未能很好地解决复杂的非线性对象的辨识,非线性系统的辨识一直是当今国际辨识界所关心的问题。辨识非线性系统的困难之一就是缺乏描述各种非线性系统特性的统一的数学模型。为此,这就需要人们分门别类地去探讨研究,解决所遇到的各种具体问题。因此,本文对模块化非线性系统的辨识算法进行了探讨和研究,期望在实际问题的应用中取得良好效果。论文的具体研究工作如下：1.利用粒子群优化算法研究了非线性系统的辨识问题。基本思想是：将非线性系统模块化后,给出基于粒子群优化算法的新型辨识方法。即就是...
【文章来源】：西安理工大学陕西省
【文章页数】：162 页
【学位级别】：博士
【部分图文】：
系统输出y的实际值、用IPSO、用SPSO用LS和用GA得到的估计值比较曲线
在仿真中，用1300组数据进行辨识，获得模型的参数估计值如表4一3所示，剩余60组数据进行模型验证，从燃料燃烧到热电偶测得该燃料所产生的炉堂温度变化实际与估计曲线如图4一5所示。表4一3参数估计结果几ble4一 3TheestimationresultsofParajrneters参参数名称 称m，m，a，a，b，威 威 11111‘l‘ 1111用用IPSO估计值值 1.31060.9765一 0.82050.50391.38761.210444用用LS估计值 值 1.42311.1909一 0.89030.61021.52031.310000用用GA估计值 值 1.28680.8531一 0.76220.56331.45041.2]66
西安理工大学博士学位论文进一步分别用LS方法和GA方法对其进行辨识，得出模型的参数估计值仍罗列于表4一3，从燃料燃烧到热电偶测得该燃料所产生的炉堂温度变化的估计曲线如图4一5所示。从仿真结果可以看出，利用本章所给方法的辨识效果好，精度较高，符合工程实际的需要。 500600700800900JO侧鸡nU八U八 nUU4甘恤 010203O时间t 405060图4一5测量的实际值、用IPSO、用LS和用GA得到的估计值比较曲线Fig.4· 5TheeurvesofeomParisontheactualmetriealvaluesofoutPutwiththeestimation valuesusingIPSO， LSandGAmethodresPeetively 4.62」、结本章研究了对一种单输入单输出模块化非线性H引入关键变量分离技术，然后，建立辅助模型，最后，~erstein模型的辨识问题。首先，应用粒子群优化算法求出了模型的参数估计值。为了提高算法的辨识效果，进一步利用一种改进粒子群优化算法，增加了局部搜索能力，克服了早熟收敛问题，找到参数的最优估计值。仿真结果表明，本章所给的辨识方法是合理
【参考文献】：
期刊论文
[1]基于辅助模型的递推增广最小二乘辨识方法[J]. 王冬青. 控制理论与应用. 2009(01)
[2]面向控制的系统辨识研究进展[J]. 窦立谦,宗群,刘文静. 系统工程与电子技术. 2009(01)
[3]基于Hammerstein模型的非线性自适应预测函数控制[J]. 习毅,潘丰. 系统工程与电子技术. 2008(11)
[4]子系统为ARMA和分段线性函数的Wiener系统的参数辨识[J]. 黄毅卿,陈翰馥. 应用数学学报. 2008(06)
[5]基于简化Volterra级数的射频功率放大器建模与辨识[J]. 金哲,宋执环,何加铭. 电路与系统学报. 2008(05)
[6]一类非线性系统盲辨识算法及仿真研究[J]. 朱燕飞,谭洪舟,章云. 系统仿真学报. 2008(14)
[7]Hammerstein-Wiener模型最小二乘向量机辨识及其应用[J]. 桂卫华,宋海鹰,阳春华. 控制理论与应用. 2008(03)
[8]一种克服粒子群早熟的混合优化算法[J]. 吴敏,丁雷,曹卫华,徐辰华. 控制与决策. 2008(05)
[9]自校正解耦信息融合Wiener状态预报器[J]. 邓自立,李春波. 系统工程与电子技术. 2007(05)
[10]一类递归小波神经网络的稳定性研究[J]. 邓韧,李著信,樊友洪. 应用数学和力学. 2007(04)
博士论文
[1]基于基因表达式编程技术的非线性系统辨识研究[D]. 朱耀春.华北电力大学（北京） 2008
[2]强跟踪状态估计与群集辨识[D]. 柯晶.浙江大学 2003
本文编号：3348270
【文章来源】：西安理工大学陕西省
【文章页数】：162 页
【学位级别】：博士
【部分图文】：
系统输出y的实际值、用IPSO、用SPSO用LS和用GA得到的估计值比较曲线
在仿真中，用1300组数据进行辨识，获得模型的参数估计值如表4一3所示，剩余60组数据进行模型验证，从燃料燃烧到热电偶测得该燃料所产生的炉堂温度变化实际与估计曲线如图4一5所示。表4一3参数估计结果几ble4一 3TheestimationresultsofParajrneters参参数名称 称m，m，a，a，b，威 威 11111‘l‘ 1111用用IPSO估计值值 1.31060.9765一 0.82050.50391.38761.210444用用LS估计值 值 1.42311.1909一 0.89030.61021.52031.310000用用GA估计值 值 1.28680.8531一 0.76220.56331.45041.2]66
西安理工大学博士学位论文进一步分别用LS方法和GA方法对其进行辨识，得出模型的参数估计值仍罗列于表4一3，从燃料燃烧到热电偶测得该燃料所产生的炉堂温度变化的估计曲线如图4一5所示。从仿真结果可以看出，利用本章所给方法的辨识效果好，精度较高，符合工程实际的需要。 500600700800900JO侧鸡nU八U八 nUU4甘恤 010203O时间t 405060图4一5测量的实际值、用IPSO、用LS和用GA得到的估计值比较曲线Fig.4· 5TheeurvesofeomParisontheactualmetriealvaluesofoutPutwiththeestimation valuesusingIPSO， LSandGAmethodresPeetively 4.62」、结本章研究了对一种单输入单输出模块化非线性H引入关键变量分离技术，然后，建立辅助模型，最后，~erstein模型的辨识问题。首先，应用粒子群优化算法求出了模型的参数估计值。为了提高算法的辨识效果，进一步利用一种改进粒子群优化算法，增加了局部搜索能力，克服了早熟收敛问题，找到参数的最优估计值。仿真结果表明，本章所给的辨识方法是合理
【参考文献】：
期刊论文
[1]基于辅助模型的递推增广最小二乘辨识方法[J]. 王冬青. 控制理论与应用. 2009(01)
[2]面向控制的系统辨识研究进展[J]. 窦立谦,宗群,刘文静. 系统工程与电子技术. 2009(01)
[3]基于Hammerstein模型的非线性自适应预测函数控制[J]. 习毅,潘丰. 系统工程与电子技术. 2008(11)
[4]子系统为ARMA和分段线性函数的Wiener系统的参数辨识[J]. 黄毅卿,陈翰馥. 应用数学学报. 2008(06)
[5]基于简化Volterra级数的射频功率放大器建模与辨识[J]. 金哲,宋执环,何加铭. 电路与系统学报. 2008(05)
[6]一类非线性系统盲辨识算法及仿真研究[J]. 朱燕飞,谭洪舟,章云. 系统仿真学报. 2008(14)
[7]Hammerstein-Wiener模型最小二乘向量机辨识及其应用[J]. 桂卫华,宋海鹰,阳春华. 控制理论与应用. 2008(03)
[8]一种克服粒子群早熟的混合优化算法[J]. 吴敏,丁雷,曹卫华,徐辰华. 控制与决策. 2008(05)
[9]自校正解耦信息融合Wiener状态预报器[J]. 邓自立,李春波. 系统工程与电子技术. 2007(05)
[10]一类递归小波神经网络的稳定性研究[J]. 邓韧,李著信,樊友洪. 应用数学和力学. 2007(04)
博士论文
[1]基于基因表达式编程技术的非线性系统辨识研究[D]. 朱耀春.华北电力大学（北京） 2008
[2]强跟踪状态估计与群集辨识[D]. 柯晶.浙江大学 2003
本文编号：3348270
本文链接：https://www.wllwen.com/projectlw/xtxlw/3348270.html
