共查询到19条相似文献,搜索用时 183 毫秒
1.
针对l1鲁棒辨识不能有效利用试验数据和进行在线辨识的问题,提出了一种在线递推插值辨识方法.用几何方法描述试验信息,利用系统可行集与新的试验信息所构成的半空间的包含关系判断数据信息,有效地利用了试验数据,提高了辨识精度.同时提出了一种新的计算辨识误差紧界的方法.仿真结果表明了算法的有效性和可行性. 相似文献
2.
现有的l1鲁棒辨识方法依赖于观测数据自的起始时刻因而不能用来辨识时变系统, 针对该问题基于最小二乘法提出了一种l1鲁棒辨识算法. 该算法与观测窗的起始时刻无关, 可用于时变系统的辨识, 证明了当试验输入为持续激励信号时所提出的算法为本质最优算法, 进一步证明了周期持续激励序列为最优试验信号, 并给出了辨识误差紧界的计算公式. 最后利用提出的算法研究了慢时变系统的l1鲁棒辨识问题. 相似文献
3.
提出了一种结合神经网络和遗传算法的智能PID控制算法;该控制器先利用RBF辨识网络在线辨识系统模型,再利用遗传算法在线调整PID三个控制参数,将传统的Ziegler-Nichols方法所得的控制参数作为遗传算法的初始参数范围,缩小了遗传算法的寻优范围;在MATLAB6.5环境下进行仿真和试验研究,结果证明RBF辨识网络的输出能够很好地跟踪对象输出,遗传算法很好地优化了控制参数;二者结合可在线有效地控制较复杂的被控对象. 相似文献
4.
基于递推批量最小二乘的Volterra级数辨识方法 总被引:2,自引:0,他引:2
张华君 《小型微型计算机系统》2004,25(12):2282-2285
针对用批量最小二乘方法进行 Volterra级数在线辨识计算量大 ,所需数据存储空间多 ,以及实际应用时自相关矩阵易出现病态的不足 ,提出了一种基于递推批量最小二乘的 Volterral级数辨识方法 .该方法利用观测矩阵维数固定的批量最小二乘辨识 ,形式简单 ,所需数据存储空间小 ;同时利用递推辨识的思想 ,避免了对矩阵直接求逆 ,减小了计算量 .另外 ,为了防止自相关矩阵出现病态 ,文中引入影响因子的概念对观测数据进行取舍 ,一定程度上增强辨识的数值稳定性 .最后通过一个工程实例验证了该方法的有效性 .该方法为 Volterra级数的在线辨识提供了一个重要方法 相似文献
5.
针对信号在网络环境下传输带来不完全信息使得在线参数辨识算法和收敛性困难的问题, 不同于传统递推最小二乘方法, 本文提出了一种不完全信息下递推辨识方法并分析其收敛性. 首先运用伯努利分布刻画引起不完全信息的数据丢包特性, 然后基于辅助模型方法补偿不完全信息并构造了新的数据信息矩阵, 并运用矩阵正交变换性质对数据信息矩阵进行QR分解, 推导了融合网络参数的递推辨识新算法, 理论证明了在不完全信息下递推参数辨识算法的收敛性. 最后仿真结果验证了所提方法的可行性和有效性. 相似文献
6.
针对蒸发器离线建模方法对变量运行工况范围要求较大的问题,利用K-means算法对辨识模型的观测数据进行聚类筛选处理,提出一种基于数据的蒸发器在线建模方法。首先利用DB准则和PSO算法提出K-means算法中最优分类数K*和最优初始聚类中心的确定方法,提高算法的收敛速度,并使用改进的K-means算法获得各簇聚类中心来代替辨识模型的观测数据,减少模型辨识的数据量。然后利用已有的蒸发器模型结构以及模型辨识方法,对模型进行辨识。实验结果表明:利用聚类筛选前、后的观测数据所辨识的模型精度基本相当,分别在±3%和±3.5%以内。最后利用在线观测数据到各聚类中心欧氏距离的分析判断,提出蒸发器的在线建模方法。该方法可以先采用小工况范围的少量离线数据辨识模型,再利用在线数据修正模型参数,扩大模型的适用范围。 相似文献
7.
8.
9.
10.
为使T-S模型在线辨识时能够更加合理地划分模糊空间,提出一种根据相邻聚类中心距离确定模糊空间重叠系数的方法.将该方法与一次完成最小二乘法、递推最小二乘法相结合,得到了一种辨识精度较高的T-S模型在线辨识算法.以某型号单晶炉热场的实际运行数据为对象,应用所提出的算法对热场模型进行在线辨识.辨识结果表明,由该辨识算法得到的单晶炉热场模型具有较高的精度. 相似文献
11.
景绍学 《计算机工程与应用》2017,53(6):60-66
为了在有色噪声干扰情况下获得无偏估计,基于辅助模型思想和分解技术,提出了一种带协方差重置的两阶段递推贝叶斯辨识算法。该算法首先把待辨识模型分解成两个虚拟子模型,然后分别辨识;同时,把估计到的噪声方差引入算法,并加入了一种新的协方差重置方法。计算量分析表明,与带协方差重置的最小二乘算法相比,所提算法可以减少计算量。仿真结果显示,所提算法的估计误差比传统最小二乘算法要小。实例建模证明了算法的有效性。 相似文献
12.
Wiener模型结构能有效地表征系统的动态和静态特性, 因此这里首先基于这一结构建立软测量模型, 利用动态与静态子模型分别建立辅助变量与主导变量间的动态与静态关系, 并说明该软测量模型的可行性, 给出模型具体表达式. 其次, 针对所提模型, 提出分步辨识方式获得最优模型参数, 说明其可行性. 再次, 为了减少计算和实现模型在线更新, 这里提出参数辨识递推算法, 并给出软测量模型参数的收敛性结论. 通过实例仿真, 可以看出本文提出模型的可行性, 以及分步辨识方式与递推算法的有效性. 相似文献
13.
针对有理模型提出两类辨识方法.首先提出基于递阶辨识思想的混合辨识方法,将模型分解为分子和分母两个子模型,分别用最小二乘法辨识分子参数,用粒子群算法和智能多步长梯度迭代算法辨识分母参数.由于降低了模型维数,且信息向量与噪声不相关,相对于传统的偏差补偿最小二乘算法,混合迭代法可以提高辨识精度并降低计算量.然后,为消除模型结构已知的假设,且充分利用最新数据更新系统参数,提出柔性递推最小二乘辨识方法,将有理模型转化为时变参数系统,进而辨识出时变系统的参数.仿真例子验证了所提出方法的有效性. 相似文献
14.
Yang Li Hua-Liang Wei P.G. Sarrigiannis 《International journal of systems science》2016,47(11):2671-2681
The identification of nonlinear time-varying systems using linear-in-the-parameter models is investigated. An efficient common model structure selection (CMSS) algorithm is proposed to select a common model structure, with application to EEG data modelling. The time-varying parameters for the identified common-structured model are then estimated using a sliding-window recursive least squares (SWRLS) approach. The new method can effectively detect and adaptively track and rapidly capture the transient variation of nonstationary signals, and can also produce robust models with better generalisation properties. Two examples are presented to demonstrate the effectiveness and applicability of the new approach including an application to EEG data. 相似文献
15.
16.
针对伪线性输出误差回归系统的辨识模型新息信息向量存在不可测变量的问题,首先通过构造一个辅助模型,用辅助模型的输出代替未知中间变量,推导得到的基于辅助模型的递推最小二乘参数估计算法计算量较大,但算法的辨识效果不佳。进一步采用估计的噪声模型对系统观测数据进行滤波,使用滤波后的数据进行参数估计,从而推导提出了基于数据滤波的递推最小二乘参数估计算法。仿真结果表明,所提算法能够有效估计伪线性回归线性输出误差系统的参数。 相似文献
17.
18.
19.
闫冲 《计算机与数字工程》2014,(8):1332-1334
传统的并行属性约简算法通过利用抽样技术获取小数据样本进行知识约简,但对于大数据集来说,样本数据不具有一般性且无法代表整个数据集.为了弥补传统并行属性约简算法只能用来计算最小属性约简、处理小数据集的缺陷,论文通过分析了先验知识在粒计算中的重要性,结合云计算技术处理海量数据的优势,以粗糙集理论为背景,从不同角度、层次出发建立层次粗糙集模型,提出基于云计算的层次粗糙集模型约简算法,讨论并实现了知识约简算法中的可并行化操作,利用Hadoop在普通计算机集群上进行试验,从运行时间、加速比、可扩展性三个方面对所提出基于正区域、信息熵、边界域算法的重要性进行评价.实验证明:基于云计算的层次粗糙集模型约简算法可以有效处理大数据集. 相似文献