發(fā)布時間：2018-01-05 13:09

  本文關(guān)鍵詞：Hammerstein非線性系統(tǒng)辨識算法研究　出處：《浙江大學(xué)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 非線性系統(tǒng)辨識 Hammerstein ARMAX模型 RIV算法 RML算法 APSO_WLSSVM 算法 AM_FOA_WLSSVM算法

【摘要】：在現(xiàn)實(shí)生活中,實(shí)際系統(tǒng)幾乎都是非線性的,而只有當(dāng)研究對象的非線性程度不強(qiáng)時,才可將對象看成線性模型處理。隨著科學(xué)技術(shù)的迅猛發(fā)展,工業(yè)中控制系統(tǒng)越來越復(fù)雜,對控制精度的要求越來越高,具有復(fù)雜非線性的系統(tǒng)不能用線性模型來近似,所以非線性系統(tǒng)的建模逐漸成為非線性系統(tǒng)研究的重要方向。然而辨識非線性系統(tǒng)的難點(diǎn)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。Hammerstein非線性模型由于其結(jié)構(gòu)簡單且靈活多變,被普遍應(yīng)用到諸多領(lǐng)域。本文在此開展工作,針對HammersteinARMAX模型,從確定性的線性算法、到非確定性辨識算法,再到非線性辨識算法、最后到辨識算法中的參數(shù)優(yōu)化問題,以此為脈絡(luò)針對性地展開研究,提出了多種新的HammersteinARMAX辨識算法,以提高非線性模型的辨識精度。本文的主要工作及創(chuàng)新如下:1.針對 Hammerstein ARMAX模型,提出了 Hammerstein ARMAX 遞推輔助變量法(Recursive Instrumental Variables,RIV),并對該算法的均方收斂性進(jìn)行了嚴(yán)格證明。將該算法進(jìn)行了數(shù)值例子研究,并與經(jīng)典的RLS算法進(jìn)行了對比。辨識結(jié)果表明了該算法的有效性。在有色噪聲干擾下,該算法在辨識精度和收斂速度兩方面均優(yōu)于RLS算法;2.針對 Hammerstein ARMAX 模型,提出了 Hammerstein ARMAX 遞推極大似然法(Recursive Maximum Likelihood,RML),詳細(xì)地給出了該算法的推導(dǎo)過程及流程框圖。該算法既可以避免過參數(shù)化,也可以對噪聲模型進(jìn)行辨識。將該算法進(jìn)行了數(shù)值例子研究,并與經(jīng)典的RLS算法進(jìn)行了對比。辨識結(jié)果表明了該算法的有效性。該算法在辨識精度上優(yōu)于RLS算法;3.針對Hammerstein ARMAX模型,提出了一種基于自適應(yīng)粒子群優(yōu)化算法(APSO)和魯棒最小二乘向量機(jī)(WLSSVM)相結(jié)合的Hammerstein ARMAX APSO_WLSSVM算法。在粒子群優(yōu)化算法(PSO)的基礎(chǔ)上,引入進(jìn)化狀態(tài)估計(jì)(ESE)技術(shù),對粒子的慣性系數(shù)及加速因子進(jìn)行調(diào)整,從而加快算法的收斂速度;同時,變異操作也避免了算法陷入局部最優(yōu)解,增強(qiáng)了算法的搜索能力。將該算法進(jìn)行了數(shù)值例子研究,并與多種算法進(jìn)行了對比。辨識結(jié)果表明了該算法的有效性。該算法不僅辨識精度高,同時收斂速度優(yōu)于PSO_WLSSVM算法;4.針對Hammerstein ARMAX模型,提出了一種基于自適應(yīng)變異果蠅優(yōu)化算法(AM_FOA)和魯棒最小二乘法支持向量機(jī)(WLSSVM)相結(jié)合的Hammerstein ARMAXAM_FOA_WLSSVM 算法。在果蠅優(yōu)化算法(FOA)的基礎(chǔ)上,通過對群體適應(yīng)度方差和全局最優(yōu)值判定來進(jìn)行變異操作,既避免了算法陷入局部最優(yōu)解,又增強(qiáng)了算法的搜索能力。將該算法進(jìn)行了數(shù)值例子研究,并與多種算法進(jìn)行了對比。辨識結(jié)果表明了該算法的有效性。該算法不僅辨識精度高,同時收斂速度優(yōu)于FOA_WLSSVM算法。
[Abstract]:In real life, the real system is almost nonlinear, but only when the degree of nonlinearity of the research object is not strong, can the object be treated as a linear model. With the rapid development of science and technology. The control system in industry is becoming more and more complex and the requirement of control precision is higher and higher. The system with complex nonlinear can not be approximated by linear model. Therefore, modeling of nonlinear systems has gradually become an important research direction of nonlinear systems. However, one of the difficulties in identifying nonlinear systems is the lack of a unified mathematical model to describe the characteristics of various nonlinear systems. Hamme. The rstein nonlinear model is simple and flexible because of its simple structure. It has been widely used in many fields. This paper focuses on the HammersteinARMAX model, from deterministic linear algorithm to non-deterministic identification algorithm. Then to the nonlinear identification algorithm, and finally to the parameter optimization problem in the identification algorithm. Based on this research, a variety of new HammersteinARMAX identification algorithms are proposed. In order to improve the identification accuracy of nonlinear model, the main work and innovation of this paper are as follows: 1. Aiming at Hammerstein ARMAX model. Hammerstein ARMAX recursive auxiliary variable method is proposed. The mean square convergence of the algorithm is proved strictly. A numerical example is given to study the algorithm. And compared with the classical RLS algorithm, the identification results show the effectiveness of the algorithm. Under the colored noise interference, the algorithm is superior to the RLS algorithm in terms of identification accuracy and convergence speed. 2. Aiming at the Hammerstein ARMAX model. A recursive Maximum Likelihoodo Hammerstein ARMAX recursive maximum likelihood method is proposed. The derivation process and flow chart of the algorithm are given in detail. The algorithm can not only avoid over-parameterization but also identify the noise model. And compared with the classical RLS algorithm, the identification results show the effectiveness of the algorithm. The algorithm is superior to the RLS algorithm in the accuracy of identification. 3. Aiming at Hammerstein ARMAX model. An adaptive particle swarm optimization algorithm (APSO) and robust least squares vector machine (WLSSVM) are proposed. Based on the particle swarm optimization (PSO) algorithm. The evolutionary state estimation (ESE) technique is introduced to adjust the inertial coefficient and acceleration factor of particles to speed up the convergence of the algorithm. At the same time, the mutation operation also avoids the algorithm falling into the local optimal solution, and enhances the search ability of the algorithm. Compared with many algorithms, the identification results show that the algorithm is effective. This algorithm not only has high identification accuracy, but also has better convergence speed than PSO_WLSSVM algorithm. 4. Aiming at Hammerstein ARMAX model. An adaptive mutation Drosophila optimization algorithm (AMFOAA) and robust least square support vector machine (WLSSVM) are proposed. Combined with Hammerstein ARMAXAM_FOA_WLSSVM algorithm. Based on the Drosophila optimization algorithm (FOAA). By determining the variance of population fitness and the global optimal value, the mutation operation can not only avoid the algorithm falling into the local optimal solution, but also enhance the search ability of the algorithm. A numerical example is given to study the algorithm. The results show that the algorithm is effective and the convergence speed of the algorithm is higher than that of FOA_WLSSVM algorithm.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：N945.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張炳根;非線性系統(tǒng)解的漸近性[J];科學(xué)通報(bào);1982年11期

2 張磊;非線性系統(tǒng)判穩(wěn)的數(shù)值方法[J];數(shù)值計(jì)算與計(jì)算機(jī)應(yīng)用;1983年03期

3 項(xiàng)國波;;非線性系統(tǒng)基本性質(zhì)及其有益利用[J];河北機(jī)電學(xué)院學(xué)報(bào);1986年02期

4 姚勇;非線性系統(tǒng)失穩(wěn)的行為及其控制[J];自然雜志;1987年06期

5 王雪梅;;一類非線性系統(tǒng)零解的穩(wěn)定性[J];揚(yáng)州師院學(xué)報(bào)(自然科學(xué)版);1987年03期

6 李貴成;一類非線性系統(tǒng)的迭代解法[J];東北林業(yè)大學(xué)學(xué)報(bào);1988年S1期

7 王林山;;非線性系統(tǒng)中的渾沌[J];濱州師專學(xué)報(bào);1991年04期

8 黃世團(tuán);一類非線性系統(tǒng)周期解的存在性[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年03期

9 岑運(yùn)秋,梁家榮;研究非線性系統(tǒng)周期解的一種新方法[J];廣西師院學(xué)報(bào)(自然科學(xué)版);1999年04期

10 伏玉筍,田作華,施頌椒;非線性系統(tǒng)魯棒耗散控制(英文)[J];控制理論與應(yīng)用;2000年06期

相關(guān)會議論文 前10條

1 費(fèi)樹岷;高為炳;;臨界非線性系統(tǒng)的局部漸近鎮(zhèn)定[A];1994年中國控制會議論文集[C];1994年

2 王成紅;韓兵欣;鄭應(yīng)平;;連續(xù)非線性系統(tǒng)游蕩不存在條件[A];1998年中國控制會議論文集[C];1998年

3 劉士榮;俞金壽;;非線性系統(tǒng)的最優(yōu)模糊模型與模型魯棒性研究及其應(yīng)用[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（上冊）[C];1999年

4 彭曉華;屠興漢;;求解模糊非線性系統(tǒng)[A];中國運(yùn)籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

5 賈理群;;非線性系統(tǒng)評價的若干方法研究[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

6 韓存武;張競新;顧興源;;輸入受限的非線性系統(tǒng)的自適應(yīng)鎮(zhèn)定[A];1993中國控制與決策學(xué)術(shù)年會論文集[C];1993年

7 費(fèi)樹岷;霍偉;;一類非線性系統(tǒng)的全局漸近跟蹤[A];1995年中國控制會議論文集（上）[C];1995年

8 吳方向;戴冠中;;奇異非線性系統(tǒng)的線性化問題[A];1996年中國控制會議論文集[C];1996年

9 楚天廣;黃琳;;一類飽和非線性系統(tǒng)的全局漸近穩(wěn)定性[A];1997年中國控制會議論文集[C];1997年

10 吳方向;史忠科;楊建軍;戴冠中;;非線性系統(tǒng)的線性化系統(tǒng)之間的關(guān)系[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

相關(guān)重要報(bào)紙文章 前1條

1 俞杰邋吳勝 董斌;莫要泛化“非線性”[N];中國國防報(bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 余衛(wèi)勇;幾類前饋非線性系統(tǒng)的輸出反饋調(diào)節(jié)[D];山東大學(xué);2015年

2 胡棟梁;兩類非線性系統(tǒng)隨機(jī)顫振和振動共振現(xiàn)象研究[D];南京航空航天大學(xué);2014年

3 楊飛飛;非線性系統(tǒng)基于模式的控制方法研究[D];華南理工大學(xué);2015年

4 池小波;基于模糊模型的非線性系統(tǒng)的網(wǎng)絡(luò)化控制和濾波研究[D];山西大學(xué);2014年

5 趙叢然;幾類隨機(jī)、時滯非線性系統(tǒng)的鎮(zhèn)定問題研究[D];曲阜師范大學(xué);2015年

6 殷春;非線性系統(tǒng)的動力穩(wěn)定性分析和控制研究[D];電子科技大學(xué);2014年

7 韓彥偉;一類幾何非線性系統(tǒng)的動力學(xué)行為及應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

8 王雷;多輸入/多輸出非線性系統(tǒng)的魯棒控制與調(diào)節(jié)[D];浙江大學(xué);2016年

9 苗保彬;不確定下三角非線性系統(tǒng)自適應(yīng)控制及應(yīng)用[D];大連海事大學(xué);2016年

10 李東;幾類非線性系統(tǒng)的有限時間控制研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 儲后廣;基于滑模觀測器的非線性系統(tǒng)故障重構(gòu)方法的研究[D];湖南工業(yè)大學(xué);2015年

2 徐香鳳;幾類非線性系統(tǒng)的無源穩(wěn)定性研究[D];曲阜師范大學(xué);2015年

3 王晨晨;基于動態(tài)面方法的兩類特殊非線性系統(tǒng)的自適應(yīng)反饋控制[D];曲阜師范大學(xué);2015年

4 方立友;非線性系統(tǒng)的同步控制[D];大連海事大學(xué);2015年

5 宋志寶;高階時滯前饋非線性系統(tǒng)的鎮(zhèn)定問題研究[D];曲阜師范大學(xué);2015年

6 黃亞欣;高階時滯非線性系統(tǒng)的控制方法研究[D];曲阜師范大學(xué);2015年

7 張幸;非線性系統(tǒng)卡爾曼濾波的二階近似方法改進(jìn)[D];哈爾濱工業(yè)大學(xué);2015年

8 莊瑩菲;基于符號計(jì)算的非線性系統(tǒng)參數(shù)控制器設(shè)計(jì)[D];電子科技大學(xué);2015年

9 袁曉晴;非線性系統(tǒng)無界解的存在唯一性[D];浙江師范大學(xué);2015年

10 鐘佳成;基于周期間歇控制策略的非線性系統(tǒng)穩(wěn)定與鎮(zhèn)定研究[D];廣西大學(xué);2015年

，

本文編號：1383245