基于深度神经网络的非线性系统辨识研究

论文摘要

非线性系统辨识是科学研究与工程控制的研究重点领域,现阶段对于非线性系统特性分析方法有微分几何法、Hammerstein-Wiener法、迭代法等。但是这些分析方法在分析非线性系统辨识上仍存在偏差,无法精确建模与辨识非线性系统,主要原因是这些方法是通过牺牲非线性系统部分非线性特征。若将这些方法应用于处理复杂非线性系统,则会导致估计的偏差进一步加大。因此为了提高对非线性系统建模与辨识精度,本文展开对复杂非线性系统模型特性研究,提出一种精确建模与辨识复杂非线性系统的方案。本文回顾了前人在非线性系统建模与辨识方面的工作,从信号预处理、非线性系统建模到非线性系统参数辨识,研究并分析其中的理论以及所存在的不足之处,从而提出结合深度神经网络与傅里叶级数来完成对复杂非线性系统的精确建模与多参数辨识的方案。本文首先引入深度神经网络理论为后续研究提供基础,之后在具体方案实现中以马赫泽德干涉模型为研究对象。在具体研究中,本文分析了模型函数方程,建立了模型与傅里叶级数理论的结构关系,实现了对干涉模型的建模。通过深度神经网络理论与实验分析,本文确定了深度神经网络的超参数结构设置。在利用小波阈值去噪方法对信号降噪的基础上,将辨识方案应用解决干涉模型,实验结果表明本文所提出的方案可以精确建模并辨识复杂非线性系统,使得辨识值与真实值达到误差最小。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
•   1.1 研究背景
•   1.2 研究方法及内容
•   1.3 研究目标
•   1.4 本文结构
• 第二章 非线性系统理论及参数识别
•   2.1 非线性系统的定义
•   2.2 非线性系统的研究和发展
•   2.3 非线性系统模型参数辨识研究现状
• 第三章 深度神经网络
• 第四章 马赫泽德干涉实验模型
• 第五章 多参数神经网络的构建及参数辨识方法
•   5.1 辨识模型方案设计
•   5.2 多参数神经网络构建
• 第六章 模型辨识方案可行性分析
•   6.1 幅值估计神经网络结构
•   6.2 最小二乘法估计参数
•   6.3 最小二乘估计与深度神经网络估计比较
• 第七章 非线性模型及参数识别实验论证
•   7.1 信号去噪
•   7.2 频率个数估计
•   7.3 实际信号辨识深度神经网络结构
•   7.4 系统测试
•   7.5 实验结果分析
• 第八章 总结与展望
•   8.1 、本文主要工作
•   8.2 、展望
• 参考文献
• 攻读硕士学位期间研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 林海龙

导师: 罗高涌

关键词: 马赫泽德干涉模型,深度神经网络,傅里叶级数理论,小波阈值去噪

来源: 广州大学

年度: 2019

分类: 基础科学,信息科技

专业: 非线性科学与系统科学,自动化技术

单位: 广州大学

分类号: TP183;N945.14

总页数: 56

文件大小: 3504K

下载量: 223