非線性hammerstein模型的辨識【文獻綜述】

1、畢業(yè)設計文獻綜述畢業(yè)設計文獻綜述電氣工程與自動化電氣工程與自動化非線性非線性HammersteinHammerstein模型的辨識模型的辨識1、非線性非線性Hammerstein模型辨識的歷史及意義模型辨識的歷史及意義自從Narendra&Gallman1966年提出了Hammerstein模型后，由于模型結構簡單且能有效地描述常見的非線性動態(tài)系統(tǒng)特性，所以許多學者相繼研究了Hammerstein模型參數(shù)的估計方法。Hammerstei

2、n模型在很多工程實踐上都是一個很有用的面向塊的模型，其中包括控制，信號處理和通信等等。Hammerstein模型是由一個無記憶非線性增益環(huán)節(jié)和線性子系統(tǒng)串聯(lián)而成，其連接方式如圖1所示。對Hammerstein模型的辨識問題，可以歸結為線性模塊的動態(tài)優(yōu)化問題和非線性模塊的靜態(tài)求根問題，從而結合線性模型預測的成熟理論解決此類非線性對象的控制問題。然而傳統(tǒng)的辨識方法始終未能很好地解決此類復雜的非線性對象的辨識，因此非線性Hammerstein

3、系統(tǒng)的辨識一直是當今國際辨識界所關心的問題。二、二、非線性非線性Hammerstein模型辨識研究現(xiàn)狀及趨勢模型辨識研究現(xiàn)狀及趨勢多年來在控制和信號處理方面Hamerstein模型的辨識一直是一個積極地研究領域。已經(jīng)有相當數(shù)量的文獻資料對Hammerstein模型辨識問題展開了研究，其中對于Hammerstein模型的辨識方法大致可以分成五類：第一類采用傳統(tǒng)迭代法，最早由Narendra和Gallman提出，這種方法計算復雜，并且此方法

4、不一定收斂；第二類方]1[法由SBillings提出，利用分離原理，將穩(wěn)態(tài)估計和動態(tài)辨識相結合，但這種方法需要嚴格假設輸入為白噪聲并且以上兩種方法均假設系統(tǒng)線性部分的階次、時延為已知；第三類是EBai和IGnez等提出一種基于最小二乘法和特征值分解的辨識方法]2[]43[無記憶非線性增益線性子系統(tǒng))(ku)(kx)(ky)(ke圖1.Hammerstein模型結構隨著群體智能優(yōu)化算法的蓬勃發(fā)展，Passino于2002年提出了模擬人類大

5、腸桿菌覓食行為的細菌覓食優(yōu)化算法(Bacte—riaFagingOptimizationAlgithm，BFOA)，為仿生進化算法家族增添了新成員。Berg等人的研究成果為BFOA的出現(xiàn)奠定了基礎。BFOA自提出以來，由于它構造的直觀性與易理解的自然機理吸引了不同領域研究者的關注。為了分別探究BFOA的局部搜索和全局搜索特性，有些研究者將BFOA與其他算法混合，并應用在生產實踐中來證明它的有效性，性能甚至超過許多改進的GA和PSO算法。

6、此外，BFOA的數(shù)學建模、自適應性和算法本身的改進也正成為該算法研究的主要方向。BFOA自提出到現(xiàn)在不到十年，但是已經(jīng)有很多研究者加入到對該算法的研究中，主要集中在對原始算法的改進及其應用的研究。]12[和PSO算法相比較，BFO算法由于參數(shù)比較多，所以計算相對比較復雜，收斂速度較慢，但是在早熟和調整性上比PSO算法有較好表現(xiàn)，有良好的魯棒性。三、小結三、小結非線性Hammerstein模型辨識的目的是為了確定模型的關鍵參數(shù)實現(xiàn)對非線性

7、系統(tǒng)的控制和預測。相關研究主要方向在于將模型進行變量分離成一個參數(shù)空間，再充分應用先進的群集智能算法求解參數(shù)的最優(yōu)解。為了滿足不同系統(tǒng)的性能要求，可能會采用不同演化算法，如為了得到較好的收斂速度可能會采用PSO算法，同時若期望比較好的魯棒性，則可能考慮BFO算法，但是總體來說，為了得到一個綜合的優(yōu)良性能，對改進的混合算法研究探索將會是今后辨識算法的一個極大的發(fā)展空間。四、參考文獻四、參考文獻[1]NarendraGallman.AnIt

8、erativeMethodftheIdentificationofNonlinearSystemsusingaHammersteinModel[J]IEEETransonAutomaticControl19661l(3)：546～550[2]BillingSIdentificationofNonlinearSystemsAsurvey[J].ProcofIEEE1980PartD(127)：272～285[3]BaiE.Anoptima

9、ltwostageidentificationalgithmfHammersteinWienernonlinearsystems[J]Automatica199834(3):333～338[4]Gomezjc，Baeyens.IdentificationofMultivariableHammersteinSystemsusingRationalthonmalBases[C]Procofthe39thIEEEConfonDecisionC