×
王东青

基于重构模型的一类MIMO-Hammerstein系统的分层参数估计。 （英语） Zbl 1336.93155号

申请。数学。莱特。 57, 13-19 (2016)。
摘要：面向块的Hammerstein系统由非线性静态块和线性动态块组成。为了识别一类具有不同类型系数的复杂多输入多输出（MIMO）Hammerstein系统：矩阵系数和标量系数，这类复杂Hammerstein系统很难在非线性部分和线性部分的所有参数中表示为回归辨识模型，其中标准最小二乘法易于实现参数估计。通过矩阵变换，将一个具有不同类型系数的MIMO Hammerstein系统重构为两个模型，每个模型以非线性部分参数或线性部分参数的回归形式表示。然后，将分层扩展最小二乘算法应用于这两个模型，交替估计非线性部分和线性部分的参数。

引用于36文件

MSC公司：

第93页第10页 随机控制理论中的估计与检测
93E24型 随机控制系统的最小二乘法及其相关方法
93立方厘米 控制理论中的非线性系统

关键词：

参数估计;最小二乘法;分级识别原理;哈默斯坦体系;MIMO系统
PDF格式BibTeX公司 XML格式引用
\textit｛D.Wang｝，申请。数学。莱特。57、13-19（2016年；Zbl 1336.93155）
全文： 内政部

参考文献：

[1] Li，J.P。；华建中。；Tang，Y.G。；Guan，X.P.，Wiener系统基于变遗忘因子的随机梯度参数辨识，应用。数学。莱特。，33, 40-45 (2014) ·Zbl 1314.93061号
[2] 丁·F。；Wang，X.H。；陈庆杰。；Xiao，Y.S.，基于模型分解的一类输出非线性系统的递推最小二乘参数估计，电路系统信号处理。，35 (2016) ·Zbl 1345.93169号
[3] Wang，X.H。；Ding，F.，使用分层辨识原理的输入非线性状态空间系统的递归参数和状态估计，信号处理。，117, 208-218 (2015)
[4] 王，C。；Tang，T.，递归最小二乘估计算法应用于一类线性内参数输出误差滑动平均系统，应用。数学。莱特。，29, 36-41 (2014) ·Zbl 1311.93082号
[5] Giri，F。；Bai，E.W.，面向块的非线性系统识别（2010），Springer·Zbl 1201.93004号
[6] 周，L.C。；Li，X.L。；Pan，F.，MISO-Wiener非线性系统的基于梯度的迭代辨识：在谷氨酸发酵过程中的应用，Appl。数学。莱特。，26, 8, 886-892 (2013) ·Zbl 1307.93438号
[7] El-Koujok，M。；贝纳马尔，M。；梅斯金，N。；Al Naemi，M.（阿尔·奈米，M.）。；Langari，R.，《通过进化数据驱动方法进行多传感器故障诊断》，Inform。科学。，259, 346-358 (2014)
[8] 范德维恩，G。；Van Wingerden，J.W。；Verhaegen，M.，使用Hammerstein识别方法对风力涡轮机进行全球识别，IEEE Trans。控制系统。技术。，21, 4, 1471-1478 (2013)
[9] 丁·F。；Shi，Y。；Chen，T.，Hammerstein输出误差系统基于辅助模型的最小二乘辨识方法，系统控制快报。，56, 5, 373-380 (2007) ·Zbl 1130.93055号
[10] Bai，E.W。；Li，K.，一般Hammerstein系统辨识迭代算法的收敛性，Automatica，46，111891-1896（2010）·Zbl 1218.93105号
[11] Vörös，J.，具有时变间隙的非线性级联系统的识别，J.Electr。工程，62，2，87-92（2011）
[12] Vörös，J.，使用三块级联模型识别具有输入饱和和输出间隙的非线性动态系统，J.Franklin Inst.B，351,12,5455-5466（2014）·Zbl 1393.93133号
[13] 王德庆。；丁·F。；Liu，X.M.，具有动态子空间状态空间模型的输入非线性系统的最小二乘算法，非线性动力学。，75, 1-2, 49-61 (2014) ·Zbl 1281.93050号
[14] 王德庆。；刘海波。；Ding，F.，双速率Hammerstein系统的高效识别方法，IEEE Trans。控制系统。技术。，23, 5, 1952-1960 (2015)
[15] Li，J.H.，基于牛顿迭代的Hammerstein CARARMA系统参数估计，应用。数学。莱特。，26, 1, 91-96 (2013) ·Zbl 1255.65119号
[16] Li，J.H。；丁·F。；Hua，L.，Hammerstein CARAR系统的最大似然牛顿递推和牛顿迭代估计算法，非线性动力学。，75, 1-2, 235-245 (2014) ·Zbl 1281.93099号
[17] 丁凤，《系统辨识——新理论与方法》（2013），科学出版社：北京科学出版社
[18] 丁凤，《系统辨识——辨识方法的性能分析》（2014），科学出版社：科学出版社北京
[19] Shi，Y。；黄，J。；Yu，B.，《网络控制系统的鲁棒跟踪控制：网络直流电机的应用》，IEEE Trans。Ind.Electron公司。，第60页，第12页，第5864-5874页（2013年）
[20] 沈庆云。；Ding，F.，使用键项分离原理的输入非线性多变量系统的迭代识别方法，J.Franklin Inst.B，352，7，2847-2865（2015）·Zbl 1395.93259号
[21] Wang，X.H。；Ding，F.，多元伪线性回归系统递归辨识算法的收敛性，国际。J.改编。控制信号处理。，30 (2016)
[22] 丁·F。；刘晓明。；Gu，Y.，《使用数据滤波的双状态时滞系统基于辅助模型的最小二乘算法》，J.Franklin Inst.B，353（2016）·Zbl 1395.93530号
[23] 王德庆。；Zhang，W.，多变量Hammerstein系统的改进最小二乘辨识算法，J.Franklin Inst.B，352，11，5292-5307（2014）·Zbl 1395.93287号
[24] Salhi，H。；Kamoun，S.，由Hammerstein数学模型描述的多变量非线性系统的递归参数估计算法，应用。数学。型号。，39、16、4951-4962（2015年）·Zbl 1443.93016号
[25] Salimifard，M。；贾法里，M。；Dehghani，M.，使用基于梯度和基于最小二乘的迭代算法识别带有移动平均噪声的非线性MIMO块定向系统，神经计算，94，22-31（2012）
[26] 贾法里，M。；Salimifard，M。；Dehghani，M.，使用迭代分层最小二乘算法识别有色噪声中的多变量非线性系统，ISA Trans。，53, 4, 1243-1252 (2014)
[27] 丁·F。；Chen，T.，多变量系统的分层最小二乘辨识方法，IEEE Trans。自动化。控制，50，3，397-402（2005）·Zbl 1365.93551号
[28] 丁·F。；Chen，T.，多变量离散时间系统基于层次梯度的识别，Automatica，41，2，315-325（2005）·Zbl 1073.93012号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。