基于相关分析和带遗忘因子的随机梯度的非线性系统Wiener模型辨识
Identification of Wiener model for nonlinear systems based on correlation analysis and stochastic gradient with forgetting factor作者机构：江苏理工学院电气信息工程学院江苏常州213001 常州铁道高等职业技术学校江苏常州213011
出 版 物：《陕西科技大学学报》 (Journal of Shaanxi University of Science & Technology)
年 卷 期：2024年第42卷第3期
页 面：197-202,208页
学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金：国家自然科学基金项目(62003151) 江苏省常州市科技计划项目(CJ20220065,CM20223015) 江苏省研究生科研与实践创新项目(SJCX22_1477)
主 题：非线性系统 Wiener模型 神经模糊模型 相关分析
摘 要：实际工业过程往往呈现强非线性和时滞特性,在复杂工况下如何建立过程的高精度模型并对其进行有效控制是研究重点.本文研究了一种基于相关分析的非线性系统Wiener模型辨识.Wiener非线性模型由动态线性子系统和静态非线性子系统串联组成,利用时滞状态空间模型和神经模糊模型分别建立动态线性子系统和静态非线性子系统,并利用设计的组合信号实现Wiener非线性模型分离辨识.首先,利用后移算子的性质,将时滞状态空间模型转化为传递函数模型,在高斯信号作用下利用相关分析方法辨识动态线性子系统的参数,解决了Wiener模型中间变量不可测问题.其次,为了改善辨识模型的精度和收敛速度,推导了带遗忘因子的递推随机梯度方法,得到静态非线性子系统的参数估计.将提出的非线性Wiener模型辨识方法运用于连续搅拌反应釜,实验仿真结果表明,本文提出的Wiener模型辨识方法能够有效辨识连续搅拌反应釜系统,并取得较好的控制效果.
维普期刊数据库
同方期刊数据库