共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
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。 相似文献
3.
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。 相似文献
4.
5.
王鑫鑫刘朝涛王正杰瞿蒋江 《传感器世界》2023,(12):10-14
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。 相似文献
6.
7.
8.
9.
10.
《计算机应用与软件》2017,(6)
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。 相似文献
11.
基于改进差分进化算法的非线性系统模型参数辨识 总被引:2,自引:0,他引:2
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。 相似文献
12.
非线性系统的回归网络辨识 总被引:1,自引:1,他引:1
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。 相似文献
13.
一种鲁棒BP算法及其在非线性动态系统辨识中的应用 总被引:4,自引:0,他引:4
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。 相似文献
14.
非线性系统神经网络辨识的鲁棒BP算法 总被引:2,自引:0,他引:2
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。 相似文献
15.
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。 相似文献
16.
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。 相似文献
17.
基于PID神经网络的非线性时变系统辨识 总被引:10,自引:0,他引:10
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 相似文献
18.
19.
20.
非线性系统模糊辨识的新方法 总被引:14,自引:1,他引:14
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。 相似文献