Hammerstein模型辨识算法的研究

发布时间：2022-07-14 20:10

　　Hammerstein模型辨识属于非线性系统辨识的一个分支。Hammerstein模型是由一个非线性模块和一个线性模块串联来描述非线性特征的。在许多非线性实验模型中,由于较其它非线性模型结构相对简单,且具有较易辨识、计算量少、能较好的反应过程的特征等特点,得到了广泛的使用。本文在介绍Hammerstein模型的基础上主要研究一类线性动态环节为CARMA或称ARMAX的Hammerstein模型,这类模型是一类有色噪声干扰的随机系统。本文按照以下两种不同的分类方法研究：按辨识方法：①迭代法,②递归法；按不同非线性部分方法：①非线性部分为幂函数的情况②非线性部分为死区函数的情况。本文最后提出了一种全新的辨识思路—最小概率方法。为了得到方法的有效性以及不同方法结果的对比,对每个问题都进行了仿真研究,获得了有意义的结论。本文的主要内容如下：1.介绍常用随机系统的结构,引入噪声的概念及其分类；噪信比的概念以及计算方法,最后定义了误差准则。2.介绍了Hammerstein模型极其扩展模型的结构和数学描述。3.针对不同的非线性模块,详细介绍了Hammerstein模型的辨识方法,通过仿真结果,对不同... 

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 Hammerstein模型提出的背景及意义
    1.2 研究现状
    1.3 本文研究的主要内容
2 预备知识
    2.1 随机系统模型
    2.2 噪声及噪信比
        2.2.1 白噪声和有色噪声的概念
        2.2.2 噪信比及其计算
    2.3 误差准则
3 Hammerstein-Wiener模型
    3.1 Hammerstein模型的描述
    3.2 Wiener模型的描述
    3.3 Hammerstein-Wiener模型的描述
4 有色噪声干扰下的Hammerstein模型的辨识方法
    4.1 非线性函数为幂函数的情况
        4.1.1 迭代法
        4.1.2 递归法
        4.1.3 举例仿真
        4.1.4 仿真结论
    4.2 非线性函数为死区函数的情况
        4.2.1 离散非线性的描述
        4.2.2 迭代法
        4.2.3 递归法
        4.2.4 举例仿真
        4.2.5 仿真结论
    4.3 基于最小概率的非线性系统辨识
        4.3.1 最小概率方法
        4.3.2 举例仿真
        4.3.3 结论
5 总结和展望
致谢
参考文献


【参考文献】：
期刊论文
[1]基于RBF神经网络的Hammerstein模型辨识[J]. 孙宝华,孟莎莎.  科技广场. 2009(07)
[2]一种辨识Wiener-Hammerstein模型的新方法[J]. 徐小平,钱富才,王峰.  控制与决策. 2008(08)
[3]Hammerstein-Wiener模型最小二乘向量机辨识及其应用[J]. 桂卫华,宋海鹰,阳春华.  控制理论与应用. 2008(03)
[4]基于Hammerstein模型描述的非线性系统辨识新方法[J]. 向微,陈宗海.  控制理论与应用. 2007(01)
[5]一种多输入单输出Hammerstein系统的集成辨识方法[J]. 孔金生,万百五.  控制理论与应用. 2005(04)
[6]基于Hammerstein模型的非线性预测函数控制[J]. 张泉灵,王树青.  浙江大学学报(工学版). 2002(02)



本文编号：3661797