本文選題：參數(shù)估計(jì) + Wiener系統(tǒng)��； 參考：《控制理論與應(yīng)用》2017年01期

【摘要】：為了辨識(shí)過程噪聲干擾的Wiener非線性系統(tǒng),提出了一種基于三樣條函數(shù)逼近的遞推貝葉斯算法.眾所周知,傳統(tǒng)的多項(xiàng)式逼近具有不能外推、高階易震蕩等缺點(diǎn).為了克服這些缺點(diǎn),首先利用三樣條函數(shù)對(duì)Wiener系統(tǒng)的非線性反函數(shù)進(jìn)行逼近,在此基礎(chǔ)上將待辨識(shí)系統(tǒng)參數(shù)化為偽線性回歸系統(tǒng).然后把估計(jì)到的噪聲方差融入算法,接著使用遞推貝葉斯算法對(duì)參數(shù)進(jìn)行了估計(jì).為了提高三樣條函數(shù)對(duì)非線性反函數(shù)的逼近能力,一種基于均值的變聚點(diǎn)選擇方法被應(yīng)用于算法.文中還對(duì)算法的收斂性進(jìn)行了分析,并用數(shù)值仿真和案例建模驗(yàn)證了算法的有效性.
[Abstract]:In order to identify Wiener nonlinear systems with process noise interference, a recursive Bayesian algorithm based on three-spline function approximation is proposed. As we all know, the traditional polynomial approximation has the disadvantages of inextrapolation and high order oscillation. In order to overcome these shortcomings, the nonlinear inverse function of Wiener system is approximated by three-spline function, and then the parameters of the system are transformed into pseudo-linear regression system. Then the estimated noise variance is incorporated into the algorithm, and then the parameters are estimated by recursive Bayesian algorithm. In order to improve the approximation ability of the three-spline function to the nonlinear inverse function, a method based on the mean value to select the variable point is applied to the algorithm. The convergence of the algorithm is also analyzed, and the effectiveness of the algorithm is verified by numerical simulation and case modeling.
【作者單位】： 淮安信息職業(yè)技術(shù)學(xué)院電氣工程系;江蘇大學(xué)電氣信息工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(51477070) 江蘇大學(xué)研究生科研創(chuàng)新項(xiàng)目(KYXX 0003)資助~~
【分類號(hào)】：N94;O212.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;Exact Rates of Convergence of Functional Limit Theorems for Csorgo-Revesz Increments of a Wiener Process[J];Acta Mathematica Sinica(English Series);2002年04期

2 陳廣貴,房艮孫;多元Paley-Wiener空間的離散性(英文)[J];四川工業(yè)學(xué)院學(xué)報(bào);2003年S2期

3 ;Receiver Function Estimated by Wiener Filtering[J];Earthquake Research in China;2003年04期

4 ;Reforming of Wiener Index[J];Wuhan University Journal of Natural Sciences;2004年01期

5 鄧自立;時(shí)域Wiener狀態(tài)濾波新方法[J];控制理論與應(yīng)用;2004年03期

6 馮惠英;;具有最小的Wiener-Hosoya index的樹[J];南平師專學(xué)報(bào);2006年02期

7 湯自凱;;直鏈苯撐圖的一般Wiener指數(shù)[J];湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年02期

8 馮惠英;錢建國;;具有最大Wiener-Hosoya指標(biāo)的樹[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年04期

9 林曉霞;;粘貼運(yùn)算下圖的Wiener多項(xiàng)式[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

10 陳婭紅;;樹變形下的Wiener指標(biāo)[J];麗水學(xué)院學(xué)報(bào);2009年02期

相關(guān)會(huì)議論文 前10條

1 M.Mansouri;H.Tolouei;M.Aliyari Shoorehdeli;;Identification of Hammerstein-Wiener ARMAX Systems Using Extended Kalman Filter[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

2 ;FIR Reduced Rank Wiener Filter[A];第二十四屆中國控制會(huì)議論文集（上冊(cè)）[C];2005年

3 ;Recursive Identification of Wiener Systems with Nonparametric Nonlinearity[A];第二十四屆中國控制會(huì)議論文集（上冊(cè)）[C];2005年

4 宋其江;陳翰馥;;帶內(nèi)部噪聲的Wiener系統(tǒng)的辨識(shí)[A];第二十七屆中國控制會(huì)議論文集[C];2008年

5 ;Recursive Identification of Wiener Systems with General Inputs[A];第二十七屆中國控制會(huì)議論文集[C];2008年

6 ;PSO and RBF Network-Based Wiener Model and Its Application to System Identification[A];第24屆中國控制與決策會(huì)議論文集[C];2012年

7 ;Recursive Identification for Wiener-Hammerstein System[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

8 ;Identification of Wiener Models with Binary-Valued Output Observations[A];第25屆中國控制會(huì)議論文集（上冊(cè)）[C];2006年

9 ;Subspace Identification for Wiener Systems with General Nonlinearity[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年

10 Xiaoying Deng;Yong Luo;;Random Noise Attenuation Based on Support Vector Regression and Adaptive Wiener Filtering[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 王小林;基于非線性Wiener過程的產(chǎn)品退化建模與剩余壽命預(yù)測(cè)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 徐守軍;圖的Wiener指標(biāo)與Hosoya多項(xiàng)式[D];蘭州大學(xué);2007年

3 周林成;Wiener非線性系統(tǒng)參數(shù)辨識(shí)方法研究[D];江南大學(xué);2014年

4 任燕燕;基于智能計(jì)算的非線性系統(tǒng)辨識(shí)算法研究及其應(yīng)用[D];華北電力大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 胡容維;圖的互補(bǔ)Wiener數(shù)與超-Wiener指標(biāo)[D];新疆大學(xué);2011年

2 牛志勇;關(guān)于圖的Wiener指標(biāo)若干問題的研究[D];上海交通大學(xué);2007年

3 宋夢(mèng)華;樹的Wiener指標(biāo)的若干極值問題和二部Wiener向量[D];集美大學(xué);2015年

4 趙雯雯;若干圖類的類Wiener指標(biāo)研究[D];大連海事大學(xué);2015年

5 胡文潔;給定直徑的樹Wiener指數(shù)研究[D];上海交通大學(xué);2015年

6 蒿漢民;Hamilton圖的Wiener型指標(biāo)[D];新疆大學(xué);2015年

7 阿米妮姑麗·吾馬爾;單圈圖的反Randi鋫指標(biāo)及Mycielskian圖的Wiener與Zagreb指標(biāo)[D];新疆大學(xué);2015年

8 余敏華;β族Lévy過程基于Wiener-Hopf分解的多層Monte Carlo算法實(shí)現(xiàn)中問題的研究[D];復(fù)旦大學(xué);2014年

9 馬晶;給定直徑d的單圈圖的Wiener極化指數(shù)的極值問題[D];南開大學(xué);2015年

10 匡梅君;圖的Wiener-型指數(shù)與結(jié)構(gòu)性質(zhì)的研究[D];湖南師范大學(xué);2015年

，

本文編號(hào)：2000966