基于弱非线性系统Volterra核辨识的算法

本文详细论述了非线性系统二阶Volterra核辨识的函数束法 ,提出了实现这一思想的计算机仿真算法     

基于系统仿真的非线性Volterra核求解算法

提出了基于系统仿真的Volterra级数中三阶以内核的求解算法。根据各阶Volterra级数核对输出的响应特性,构造了各阶Volterra核输出分量的方法;然后根据核的对称特性,提出了各阶核求解的直接解法。它较一般的辨识算法,速度和简洁性有很大提高。     

一种非线性系统参数辨识算法

本文讨论一类非线性差分方程的参数辨识问题，借助于线性化方法，给出了一种称健的递推算法，该算法有选择地引入一些项目剔除另一些项，同时可以根据估计精度的要求自动地调整模型的阶数，从而尽可能地获取系统的精确模型。数值仿真结果证明了算法的有效性。     

基于GEP的非线性系统辨识算法

基因表达式编程(GEP)是一种基于基因组和表现型组的新型遗传算法,本文提出了一种基于GEP的非线性系统辨识算法。针对非线性系统的特点,本文基于GEP建模作了如下工作:在对象的结构和参数未知的情况下,首先进行参数恒定时的系统辨识,然后进行运行期间非线性环节参数发生变化时的辨识。实验结果表明该算法能够更加迅速的得出非线性部分直观近似的数学表达式,比用遗传编程(GP)优越两个数量级以上,是一种有效可行的算法。     

基于改进DBO算法的非线性系统辨识

针对传统方法在单输入单输出Hammerstein模型的辨识上存在辨识精度低、辨识效果差等问题,文章提出一种基于蜣螂优化算法（Dung Beetle Optimizer,DBO）的非线性系统辨识方法。为了克服该算法在局部开发和全局探索上能力不平衡,易陷入局部最优的问题,引入改进的正弦余弦优化算法（Sine Cosine Algorithm with Self-learning strategy and Lévy, SCASL）用于平衡局部和全局搜索阶段,提高算法辨识精度,同时引入莱维飞行（Lévy flight）策略,帮助DBO算法在迭代后期跳出局部最优。通过数值仿真,对蜣螂优化算法和改进的蜣螂优化算法辨识结果进行比较,实验结果表明,改进的蜣螂优化算法辨识速度得到显著提升,并且辨识精度也得到了提高。     

基于遗传编程的非线性系统辨识

为了实现对非线性系统的辨识,能够对目标系统的结构和参数进行同步辨识,将遗传编程(Genetic Programming,GP)作为辨识工具.使用基本遗传编程算法对非线性静态系统进行辨识-对电厂钢球磨煤机存煤量与产粉量之间的特性关系曲线进行辨识;使用一种改进的遗传编程算法对非线性动态系统进行辨识-对一个二阶离散非线性差分方程进行辨识.所有辨识都取得了满意的结果.遗传编程进化过程中,目标系统的结构与参数同时准确辨识,证明遗传编程非常适合于解决非线性系统辨识问题,并在算法上实现了结构辨识和参数辨识的统一.     

非线性系统辨识

本文综述了非线性系统辨识问题，包括描述非线性系统的模型结构的辨识，模型参数的估计，并对可能的发展方向提出了作者的观点，最后介绍非线性系统辨识的若干应用。     

非线性系统辨识的改进双对角化最小二乘算法

本文提出了一种新的有效的非线性系统最小二乘辨识算法－－改进的双对角化最小二乘（ＭＢＬＳ）算法，在存在舍入误差的条件下，给出了算法的收敛性证明，事实上，算法的收敛性几何不受舍入误差的影响，算法是大范围数值稳定的，仿真结果说明了新算法的有效性。     

Volterra 泛函级数在非线性系统辨识中的应用

利用Volterra泛函级数描述非线性系统，将非线性系统辨识问题转化为标准的最小二乘问题，并通过QR分解进行求解，在对输入矩阵P进行Householder变换过程中，提出利用输入向量对输出向量的影响因子进行P阵的列选择，同时完成模型辨识，有效地克服了Volterra泛函数辨识中维数灾难问题，数字仿真表明了该方法的有效性。     

基于神经网络的非线性气动弹性系统辨识

由于气动弹性系统的非线性和不确定性的存在,传统的辨识方法在工程中难以满足。针对这种情况提出了一种模糊小波神经网络(FWNN)辨识方法。首先,采用区间2型模糊逻辑系统和小波神经网络结合构建FWNN网络结构,能够较好地逼近具有不确定性的非线性AE系统;然后,考虑到辨识的快速性和准确性,系统采用一组模糊IF-THEN规则,对模糊后件采用单隐层小波神经网络结构;参数学习采用基于Lyapunov稳定性的滑模学习算法,保证系统存在参数不确定的情况下,辨识误差能更快地收敛。最后,对结构非线性二元翼段进行仿真研究,验证了该模型的有效性。     

基于改进差分进化算法的非线性系统模型参数辨识

针对非线性模型的参数估计寻优较为困难的问题,提出一种基于改进的差分进化算法的非线性系统模型参数辨识新方法。通过引入一个自适应变异率,随着迭代的进行自适应调整缩放因子,从而在初期保持种群多样性以避免早熟,并在后期逐步降低变异率,保留优良信息,避免最优解遭到破坏。交叉概率采用动态非线性增加的方法,提高了收敛速度。为了验证算法性能,针对几类典型的非线性模型参数辨识问题进行了仿真研究,并将其应用于一类发酵动力学模型参数的估计中。结果表明改进算法的参数辨识精度高,收敛速度也比较快,有效提高了模型建立的精度与效率,为解决实际系统中参数估计问题提供了一条可行的途径。     

非线性系统的回归网络辨识

针对未知非线性系统的辨识问题,本文提出了一种新型的回归网络模型,证明了该网络模型在一定条件下能够逼近非线性系统的输入输出关系,提出了训练网络前向连接和反向连接权值的动态反向传播算法,伪真结果验证该方法的有效性。     

一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出了一种高鲁棒性ＢＰ算法，与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识，（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误差样本的影响得到了适度的抑制，把该算法用于非线性动态系统辨识，仿真结果表明此方法是有效的。     

非线性系统神经网络辨识的鲁棒BP算法

讨论系统辨识神经网络算法的鲁棒性问题。通过构造新的动态鲁棒目标函数得到的ＲＢＰ算法，能不断估计逼近精度，自动将品质好的样本置于强化学习域，并能有效地抵抗噪声干扰。实验结果表明，该算法具有鲁棒性强、收敛快、计算方便等特点。     

基于菌群优化算法的非线性系统模型参数辨识

非线性系统模型参数估计一直是自动控制领域的研究热点。针对非线性系统,结合菌群优化(BSFO)算法的特点,提出了一种新型的非线性系统模型参数辨识方法。通过将待辨识参数设置为群体细菌在参数空间的位置,并模拟细菌群体觅食的动态行为来实现对系统参数的辨识,有效地提高了参数辨识的精度和效率。通过对重油热解三集总模型进行了仿真研究,得到了较为精确的过程模型,模型输出与实际输出基本一致。仿真结果表明,菌群优化算法为非线性系统模型参数估计提供了一种有效的途径。     

基于高斯核函数的Hammerstein非线性系统辨识

提出了一种基于高斯核函数的Hammerstein非线性系统参数辨识方法。Hammerstein非线性系统由一个静态非线性模块和一个动态线性模块串联组成,利用高斯核函数神经网络和传递函数模型分别建立Hammerstein系统的静态非线性模块和动态线性模块。首先,基于可分离信号的输入输出数据,采用相关性分析方法估计动态线性模块的参数,有效抑制噪声的干扰。其次,针对Hammerstein非线性系统的不可测噪声项,利用残差的估计值代替不可测变量,推导了递推增广最小二乘辨识方法,根据随机信号的输入输出数据辨识静态非线性模块和噪声模型的参数。仿真结果表明,针对有色噪声干扰的Hammerstein非线性系统,所提方法具有较好的辨识精度和鲁棒性。     

基于PID神经网络的非线性时变系统辨识

1　引言PID神经网络是一种多层前向网络 ,它除了具备传统的多层前向网络的特点 ,如逼近能力、并行计算、非线性变换等特性外 ,其隐层单元还分别具有比例、微分和积分等动态特性[1～ 4] .本文将介绍 PID神经网络在非线性时变系统辨识方面的研究结果 .2　PID神经网络结构与算法PI     

基于ANFIS的非线性系统辨识研究

系统辨识是控制系统设计的基础,对非线性系统进行辨识是当前的难点;文献[1]提出了用模糊建模方法,文献[2]提出了用神经网络方法,在总结上述方法不足的基础上,该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi-Sugeno（以下简称T-S）模型辨识复杂系统的困难，本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上，再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度，而且具有良好的泛化功能。运用改进的FCM（Fuzzy-C-Means）模糊聚类方法，辨识该模糊模型的结构，与以往的方法比较，极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。     

非线性系统模糊辨识的新方法

提出一种新的基于T－S模型的模糊辨识方法,其特点是考虑了样本距离和“可线性化程度”两个因素,对模型的前后件参数同时辨识,提高了辨识精度,并提出规则“置信度”的概念,实现了辨识的结构自适应。将该辨识器用于一类非线性系统的模糊辨识,仿真结果验证了所提出方法的有效性。