作為系統(tǒng)和控制科學(xué)的核心問題之一,系統(tǒng)辨識(shí)在控制系統(tǒng)的設(shè)計(jì)與分析方面得到了廣泛地應(yīng)用,并且已經(jīng)深入到了生物學(xué)、生理學(xué)、醫(yī)學(xué)、社會(huì)學(xué)等眾多的科學(xué)技術(shù)領(lǐng)域。從而,系統(tǒng)辨識(shí)成為目前相當(dāng)活躍的學(xué)科之一,吸引了大量的科技人員對(duì)其理論進(jìn)行研究,探討在不同實(shí)際問題中應(yīng)用的可能性。在系統(tǒng)辨識(shí)方法研究中,由于工程實(shí)際對(duì)象的復(fù)雜性,使得非線性系統(tǒng)辨識(shí)方法在工程對(duì)象的分析中表現(xiàn)出明顯的優(yōu)勢(shì)。然而,因?yàn)榉蔷�性系統(tǒng)固有的復(fù)雜多樣性,目前關(guān)于非線性的研究還遠(yuǎn)沒有達(dá)到成熟的程度,蘊(yùn)涵在復(fù)雜現(xiàn)象背后的“本質(zhì)問題”還沒有完全揭示出來。因此,傳統(tǒng)的辨識(shí)方法始終未能很好地解決復(fù)雜的非線性對(duì)象的辨識(shí),非線性系統(tǒng)的辨識(shí)一直是當(dāng)今國際辨識(shí)界所關(guān)心的問題。辨識(shí)非線性系統(tǒng)的困難之一就是缺乏描述各種非線性系統(tǒng)特性的統(tǒng)一的數(shù)學(xué)模型。為此,這就需要人們分門別類地去探討研究,解決所遇到的各種具體問題。因此,本文對(duì)模塊化非線性系統(tǒng)的辨識(shí)算法進(jìn)行了探討和研究,期望在實(shí)際問題的應(yīng)用中取得良好效果。論文的具體研究工作如下：1.利用粒子群優(yōu)化算法研究了非線性系統(tǒng)的辨識(shí)問題�；舅枷胧牵簩⒎蔷�性系統(tǒng)模塊化后,給出基于粒子群優(yōu)化算法的新型辨識(shí)方法。即就是... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：162 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

系統(tǒng)輸出y的實(shí)際值、用IPSO、用SPSO用LS和用GA得到的估計(jì)值比較曲線

在仿真中，用1300組數(shù)據(jù)進(jìn)行辨識(shí)，獲得模型的參數(shù)估計(jì)值如表4一3所示，剩余60組數(shù)據(jù)進(jìn)行模型驗(yàn)證，從燃料燃燒到熱電偶測(cè)得該燃料所產(chǎn)生的爐堂溫度變化實(shí)際與估計(jì)曲線如圖4一5所示。表4一3參數(shù)估計(jì)結(jié)果幾ble4一 3TheestimationresultsofParajrneters參參數(shù)名稱 稱m，m，a，a，b，威 威 11111‘l‘ 1111用用IPSO估計(jì)值值 1.31060.9765一 0.82050.50391.38761.210444用用LS估計(jì)值 值 1.42311.1909一 0.89030.61021.52031.310000用用GA估計(jì)值 值 1.28680.8531一 0.76220.56331.45041.2]66

西安理工大學(xué)博士學(xué)位論文進(jìn)一步分別用LS方法和GA方法對(duì)其進(jìn)行辨識(shí)，得出模型的參數(shù)估計(jì)值仍羅列于表4一3，從燃料燃燒到熱電偶測(cè)得該燃料所產(chǎn)生的爐堂溫度變化的估計(jì)曲線如圖4一5所示。從仿真結(jié)果可以看出，利用本章所給方法的辨識(shí)效果好，精度較高，符合工程實(shí)際的需要。 500600700800900JO側(cè)雞nU八U八 nUU4甘恤 010203O時(shí)間t 405060圖4一5測(cè)量的實(shí)際值、用IPSO、用LS和用GA得到的估計(jì)值比較曲線Fig.4· 5TheeurvesofeomParisontheactualmetriealvaluesofoutPutwiththeestimation valuesusingIPSO， LSandGAmethodresPeetively 4.62」、結(jié)本章研究了對(duì)一種單輸入單輸出模塊化非線性H引入關(guān)鍵變量分離技術(shù)，然后，建立輔助模型，最后，~erstein模型的辨識(shí)問題。首先，應(yīng)用粒子群優(yōu)化算法求出了模型的參數(shù)估計(jì)值。為了提高算法的辨識(shí)效果，進(jìn)一步利用一種改進(jìn)粒子群優(yōu)化算法，增加了局部搜索能力，克服了早熟收斂問題，找到參數(shù)的最優(yōu)估計(jì)值。仿真結(jié)果表明，本章所給的辨識(shí)方法是合理

【參考文獻(xiàn)】：
期刊論文
[1]基于輔助模型的遞推增廣最小二乘辨識(shí)方法[J]. 王冬青.  控制理論與應(yīng)用. 2009(01)
[2]面向控制的系統(tǒng)辨識(shí)研究進(jìn)展[J]. 竇立謙,宗群,劉文靜.  系統(tǒng)工程與電子技術(shù). 2009(01)
[3]基于Hammerstein模型的非線性自適應(yīng)預(yù)測(cè)函數(shù)控制[J]. 習(xí)毅,潘豐.  系統(tǒng)工程與電子技術(shù). 2008(11)
[4]子系統(tǒng)為ARMA和分段線性函數(shù)的Wiener系統(tǒng)的參數(shù)辨識(shí)[J]. 黃毅卿,陳翰馥.  應(yīng)用數(shù)學(xué)學(xué)報(bào). 2008(06)
[5]基于簡化Volterra級(jí)數(shù)的射頻功率放大器建模與辨識(shí)[J]. 金哲,宋執(zhí)環(huán),何加銘.  電路與系統(tǒng)學(xué)報(bào). 2008(05)
[6]一類非線性系統(tǒng)盲辨識(shí)算法及仿真研究[J]. 朱燕飛,譚洪舟,章云.  系統(tǒng)仿真學(xué)報(bào). 2008(14)
[7]Hammerstein-Wiener模型最小二乘向量機(jī)辨識(shí)及其應(yīng)用[J]. 桂衛(wèi)華,宋海鷹,陽春華.  控制理論與應(yīng)用. 2008(03)
[8]一種克服粒子群早熟的混合優(yōu)化算法[J]. 吳敏,丁雷,曹衛(wèi)華,徐辰華.  控制與決策. 2008(05)
[9]自校正解耦信息融合Wiener狀態(tài)預(yù)報(bào)器[J]. 鄧自立,李春波.  系統(tǒng)工程與電子技術(shù). 2007(05)
[10]一類遞歸小波神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性研究[J]. 鄧韌,李著信,樊友洪.  應(yīng)用數(shù)學(xué)和力學(xué). 2007(04)

博士論文
[1]基于基因表達(dá)式編程技術(shù)的非線性系統(tǒng)辨識(shí)研究[D]. 朱耀春.華北電力大學(xué)（北京） 2008
[2]強(qiáng)跟蹤狀態(tài)估計(jì)與群集辨識(shí)[D]. 柯晶.浙江大學(xué) 2003



本文編號(hào)：3348270