Wiener模型的参数辨识算法研究

论文摘要

Wiener模型是一种模块化非线性模型,由一个动态线性模块和静态非线性模块级联组成。由于其简单的结构、良好的逼近性能被广泛地应用于工业过程控制中,如pH中和过程、蒸馏塔、机械系统和通信系统等。然而,Wiener模型的参数辨识仍存在很多难点,如噪声源的位置,非线性结构辨识等。因此,本文针对含不同噪声的Wiener模型辨识展开研究,具体工作如下:针对结构已知带输出噪声的Wiener模型提出了一种改进的头脑风暴优化算法辨识模型参数。首先在经典头脑风暴优化算法的基础上,增加个体组合方式,并引入动态调整因子,自适应地调整个体搜索最优解范围,提高算法的收敛速度。再利用马尔科夫模型,证明了算法的收敛性。数值仿真和CE8双电驱动系统证实了所提算法的有效性。针对结构未知带过程噪声的Wiener模型采用三次样条逼近贝叶斯复合分位数回归算法。采用高阶ARX模型表示Wiener模型的线性结构,并假设非线性模块可逆,用三次样条函数逼近Wiener模型非线性模块结构。基于贝叶斯原理,通过贝叶斯复合分位数回归算法辨识模型参数。为了减少参数辨识过程中的计算量,采用马尔科夫链蒙特卡洛算法求解参数后验分布期望值（即:待估参数值）。非线性模块和线性模块阶次的确定则分别选用FOE准则和AIC准则,最后通过数值和工业仿真验证算法的有效性。文章针对噪声源位置不同的Wiener模型提出了不同的参数辨识方法,对于噪声位于系统输出端的情形,采用mBSO算法辨识;而对于噪声位于系统内的情形,采用CSA-BCQR算法辨识。仿真实验表明这两种算法在收敛速度和辨识准确性上相较于其他算法都有所改善。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
•   1.1 系统辨识
•     1.1.1 系统辨识概念及步骤
•     1.1.2 系统辨识方法
•   1.2 国内外研究现状
•   1.3 Wiener模型辨识存在问题
•   1.4 课题组研究基础
•   1.5 本文内容安排
• 第2章 结构已知含输出噪声的Wiener模型参数辨识
•   2.1 引言
•   2.2 问题描述
•   2.3 头脑风暴优化算法
•     2.3.1 经典头脑风暴优化算法（BSO）
•     2.3.2 改进的头脑风暴优化算法（m BSO）
•     2.3.3 马尔科夫模型
•     2.3.4 算法收敛性分析
•   2.4 基于mBSO算法的Wiener模型辨识
•     2.4.1 基准测试函数
•     2.4.2 二阶Wiener模型辨识
•     2.4.3 CE8双电驱动系统模型
•   2.5 本章小结
• 第3章 结构未知含过程噪声的Wiener模型参数辨识
•   3.1 引言
•   3.2 问题描述
•   3.3 基于贝叶斯复合分位数回归算法的Wiener模型辨识
•     3.3.1 贝叶斯估计原理
•     3.3.2 分位数回归算法
•     3.3.3 Wiener模型的贝叶斯复合分位数回归估计
•   3.4 Wiener模型结构阶次的确定
•     3.4.1 非线性模块反函数的阶次选择
•     3.4.2 线性模块阶次的选择
•   3.5 CSA-BCQR算法辨识Wiener模型
•     3.5.1 数值仿真
•     3.5.2 实例仿真
•   3.6 本章小结
• 第4章 总结与展望
•   4.1 总结
•   4.2 展望
• 参考文献
• 致谢
• 附录:攻读硕士学位期间的主要学术成果

文章来源

类型: 硕士论文

作者: 宋樱

导师: 潘天红

关键词: 模型,参数辨识,改进的头脑风暴优化算法,三次样条,贝叶斯复合分位数回归算法,收敛性

来源: 江苏大学

年度: 2019

分类: 基础科学

专业: 非线性科学与系统科学

单位: 江苏大学

基金: 国家自然科学基金

分类号: N945.14

总页数: 73

文件大小: 3380K

下载量: 79