基于基因表達式編程技術(shù)的非線性系統(tǒng)辨識研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代工業(yè)過程變得越來越復(fù)雜，了解復(fù)雜對象的詳細行為特征也越來越困難?；谟^測數(shù)據(jù)通過系統(tǒng)辨識方法獲取的對象數(shù)學(xué)模型，是人們對系統(tǒng)分析及控制的基礎(chǔ)。近幾十年來系統(tǒng)辨識方法已成為復(fù)雜非線性系統(tǒng)研究的重要手段，在各工程領(lǐng)域都得到廣泛應(yīng)用，然而，由于實際對象的復(fù)雜性，現(xiàn)有的辨識方法還存在著難以克服的困難，還有進一步研究的必要。 基因表達式編程(GEP)技術(shù)是近幾年來發(fā)展起來的全局優(yōu)化搜索技術(shù)，其超強的搜索能力和極高的

2、進化效率，使它迅速在許多領(lǐng)域里得到了應(yīng)用。本文利用GEP技術(shù)，以模型的可解釋性、簡單實用性和辨識智能化為研究目標，研究了非線性模型辨識的進化方法，其主要內(nèi)容可概括如下： 1．給出了利用GEP進行系統(tǒng)辨識的基本思想和實現(xiàn)框架，結(jié)合遺傳算法、模擬退火算法和粒子群優(yōu)化算法，提出了一種從GEP表達式中進行常量提取和常量優(yōu)化的方法，進行了靜態(tài)非線性系統(tǒng)和時間序列預(yù)測模型辨識的研究，通過實驗驗證了算法的穩(wěn)定性和優(yōu)越性。 2．分析了進

3、化算法對動態(tài)系統(tǒng)進行建模的不足，提出了一種獨特的動態(tài)項生成方案，引入可變終止符集概念，可以自由地生成動態(tài)系統(tǒng)所需的動態(tài)項。通過仿真實驗驗證了可變終止符集具有較高的性能。 3．根據(jù)NARMAX模型和GEP多基因染色體的特點，提出了利用GEP進行各類NARMAX模型的系統(tǒng)辨識方法，給出了更加有效的模型描述方式，簡化了染色體到模型的映射機制。 4．提出了GEP算法進行Hammerstein模型辨識的方案，通過加入一些超越函數(shù)，

4、擴展了Hammerstein模型非線性部分的函數(shù)形式，有效地降低了模型非線性部分的項數(shù)。 5．分析了現(xiàn)有系統(tǒng)建模中多目標方案的不足，提出了更加有效的綜合精度和復(fù)雜度指標的多目標優(yōu)化方案，并以多項式NARMAX模型的辨識算法為例，給出了具體的實現(xiàn)過程。定義了精度閾值和復(fù)雜度指標上限值，通過自調(diào)整方式，將進化種群中的有效解控制在預(yù)定義的范圍內(nèi)。克服了原有多目標優(yōu)化算法有效解過多、容易使進化早熟的缺點，最終得到一組復(fù)雜度和精確度取得很