基于智能優(yōu)化算法的Wiener模型辨識(shí).pdf

1、非線性系統(tǒng)在實(shí)際中廣泛存在，建立非線性系統(tǒng)的模型是精確分析系統(tǒng)性能、實(shí)現(xiàn)系統(tǒng)高精度控制的基礎(chǔ)，它包括確定模型的結(jié)構(gòu)和估計(jì)模型的參數(shù)。由于還不能找到一種通用的結(jié)構(gòu)來描述所有的非線性系統(tǒng)，研究人員廣泛采用面向模塊(Block-oriented)的模型描述非線性系統(tǒng)。Wiener模型是一種面向模塊模型，它由一個(gè)線性動(dòng)態(tài)子系統(tǒng)后面串聯(lián)一個(gè)靜態(tài)非線性函數(shù)組成。實(shí)際中靜態(tài)非線性函數(shù)的多樣性以及由于Wiener模型串聯(lián)結(jié)構(gòu)使得中間信號(hào)的不可測(cè)給Wie

2、ner模型的辨識(shí)帶來很大的困難。本文針對(duì)這一問題，采用智能優(yōu)化算法研究了Wiener模型的辨識(shí)問題，主要研究工作有：
　　1、針對(duì)一類具有分段不連續(xù)非線性的Wiener模型，以預(yù)測(cè)誤差平方和為目標(biāo)函數(shù)，采用混合粒子群優(yōu)化算法來估計(jì)其參數(shù)。該方法可以同時(shí)估計(jì)出線性部分和非線性部分的參數(shù)而不需要知道中間信號(hào)，且辨識(shí)精度高。
　　2、針對(duì)一類具有復(fù)雜非線性的Wiener模型，在假設(shè)其非線性是可逆的前提下，用兩段多項(xiàng)式來近似非線性的

3、逆，然后采用混合粒子群優(yōu)化算法來估計(jì)其參數(shù)。
　　3、針對(duì)Wiener模型中間變量不可測(cè)的問題，采用階躍輸入信號(hào)將非線性部分從Wiener模型中分離出來。然后利用粒子群優(yōu)化算法，采用兩步法辨識(shí)Wiener模型的線性和非線性部分。
　　4、提出了一種模糊Wiener模型結(jié)構(gòu)，該模型利用T-S模糊模型表示W(wǎng)iener模型的非線性部分，用ARMA模型表示W(wǎng)iener模型的線性部分，利用自適應(yīng)差分進(jìn)化算法估計(jì)線性部分和T-S模糊模型