×
卡里玛·哈马尔;图恩西亚·贾马;马马尔·贝塔耶布

基于分数阶Hammerstein-Wiener模型的非线性系统辨识。 （英语） Zbl 1430.93045号

非线性动力学。 98，第3期，2327-2338（2019）。
摘要：本文研究了基于Hammerstein-Wiener模型的分数阶非线性系统的辨识。使用稳健的Levenberg-Marquardt算法开发了一种输出误差方法。它说明了参数灵敏度函数计算的困难，这需要在每次迭代时进行大量计算。为了克服这一缺点，将分数阶非线性系统重新定义为回归形式，并且可以在不使用参数灵敏度函数的情况下以闭合形式获得梯度和Hessian。数值仿真验证了该方法的有效性，并将其应用于实验手臂机器人的建模中，验证了其可行性。

引用于10文件

MSC公司：

93B30型 系统标识
93D25号 控制理论中的输入输出方法
26A33飞机 分数导数和积分

关键词：

识别;非线性系统;分数阶系统;Hammerstein-Wiener模型;Levenberg-Marquardt算法;回归，回归

软件：

黛西;Wiener-Hammerstein基准
PDF格式BibTeX公司 XML格式引用
\textit{K.Hammar}等人，《非线性动力学》。98，第3号，2327--2338（2019年；Zbl 1430.93045）
全文： 内政部

参考文献：

[1] 陈，F。；Ding，F.，使用最大似然原理的多输入非线性Box-Jenkins系统的递归最小二乘辨识算法，J.Compute。非线性动力学。，11, 2, 021005 (2016)
[2] 赵伟。；Chen，Hf，Wiener、Hammerstein和NARX系统作为马尔可夫链的识别及其非线性估计的改进，系统。控制信函。，61, 12, 1175-1186 (2012) ·Zbl 1255.93149号
[3] 贾，L。；李，X。；Chiu，Ms，具有可分离输入信号的基于神经模糊的MIMO Hammerstein模型的识别，神经计算，174，530-541（2016）
[4] 马修斯，Vj；Sicuranza，G.，多项式信号处理，452（2000），纽约：威利，纽约
[5] Vörös，J.，具有静态输入和动态输出非线性的时变非线性级联系统的递归辨识，Trans。仪器测量。控制，40，3，896-902（2018）
[6] Taringou，F.、Srinivasan，B.、Malhame，R.、Ghannouchi，F.:使用基带数据的宽带射频发射机的Hammerstein-Wiener模型。In:亚洲太平洋微波会议（2007）
[7] 克拉玛，P。；Schoukens，J.，Hammerstein-Wiener系统估计器初始化，Automatica，40，9，1543-1550（2004）·Zbl 1055.93017号
[8] 罗，Xs；Song，Yd，基于子空间识别的Hammerstein-Wiener系统的数据驱动预测控制，信息科学。，422, 446-447 (2018) ·Zbl 1447.93093号
[9] Kumar，P.、Devanand，R.、Schoen，M.P.：sEMG和骨骼肌力建模：非线性hammerstein-wiener模型、多元回归模型和基于熵的阈值方法。第二届国际熵及其应用电子会议。多学科数字出版研究所（2015）
[10] Zambrano，D。；Tayamon，S。；卡尔森，B。；Wigren，T.，选择性催化还原系统离散时间非线性Hammerstein-Wiener模型的识别，美国控制会议，2011，78-83（2011）
[11] Roodgar Amoli，E。；Salehinia，S。；Ghoreshi，M.，基于自适应神经模糊推理系统、非线性自回归外生和Hammerstein-Wiener方法的放电加工性能专家预测模型的比较研究：材料去除率和表面粗糙度，J.Eng.Manuf.，230，9，1690-1701（2016）
[12] Nadimi，Es；绿色，O。；布兰斯-维德，V。；拉森，Jj；Christensen，Lp，Hammerstein-Wiener模型，用于使用无线传感器网络预测青贮料堆捆内部的温度变化，Biosyt。工程，112，3，236-247（2012）
[13] Abu Arqub，O.，希尔伯特空间中Dirichlet函数类型的时间分数阶Tricomi和Keldysh方程的解，Numer。方法部分差异。Equ.、。，34, 5, 1759-1780 (2018) ·Zbl 1407.65153号
[14] Arqub，Oa；Maayah，B.，Atangana-Baleanu分数算子意义下Fredholm算子型积分微分方程的数值解，混沌，孤子分形，117117-124（2018）·Zbl 1442.65449号
[15] Abu Arqub，O.，Dirichlet函数型分数阶系统解的数值算法与比较分析，Fundam。Inf.，166，2，111-137（2019）·Zbl 1435.65182号
[16] Abu Arqub，O.，残差幂级数方法在一维空间中时间分数阶薛定谔方程解中的应用，Fundam。信息，166，287-110（2019）·Zbl 1417.65184号
[17] Burov，S。；Barkai，E.，分数阶Langevin方程：过阻尼、欠阻尼和临界行为，物理学。版本E，78，3，031112（2008）
[18] Tang，Y。；张，X。；华，C。；李，L。；Yang，Y.，通过微分进化识别相称分数阶混沌系统的参数，Phys。莱特。A.，376，4，457-464（2012）·Zbl 1255.34061号
[19] Djamah，T。；Mansouri，R。；Djennoune，S。；Bettayeb，M.，使用分数阶状态空间模型进行传热建模和识别，《欧洲自动化系统杂志》。，42, 6-8, 939-951 (2008)
[20] Isfer，拉德；Mk Lenzi；Lenzi，Ek，使用分数微分方程识别生化反应器，拉丁美洲应用。第40、2、193-198号决议（2010年）
[21] Wang，Y。；Ding，F.，使用数据滤波的Hammerstein-Wiener系统的递归最小二乘算法和梯度算法，非线性动力学。，84, 2, 1045-1053 (2016) ·Zbl 1354.93158号
[22] 王，Dq；Ding，F.，Hammerstein-Wiener系统的分层最小二乘估计算法，IEEE信号处理。莱特。，19, 12, 825-828 (2012)
[23] A.布鲁里。；卡迪，L。；Slassi，S.，具有间隙输入非线性的Hammerstein-Wiener系统的频率识别，国际控制自动化杂志。系统。，2222-2232年5月15日（2017年）
[24] 镍，硼。；Gilson，M。；Garnier，H.，Hammerstein-Wiener连续时间模型辨识的精细工具变量法，IET控制理论。A.、7、9、1276-1286（2013）
[25] Hammar，K.、Djamah，T.、Bettayeb，M.（2015年12月）。基于粒子群优化的分数阶Hammerstein系统辨识。In:第七届建模、识别和控制国际会议（ICMIC），突尼斯苏塞（2015）·Zbl 1430.93045号
[26] Mj Moghaddam；莫贾拉利，H。；Teshnehlab，M.，具有时滞的多输入单输出分数阶Hammerstein模型的递归识别，应用。软计算。，70, 486-500 (2018)
[27] Rahmani先生；Farrokhi，M.，神经分数Hammerstein系统的识别：一种混合频率/时域方法，软计算。，22, 24, 8097-8106 (2017) ·Zbl 1415.93126号
[28] Sersour，L。；Djamah，T。；Bettayeb，M.，分数维纳模型的非线性系统辨识，非线性动力学。，92, 4, 1493-1505 (2018)
[29] Sersour，L.，Djamah，T.，Bettayeb，M.：使用自适应速度粒子群优化识别Wiener分数模型。In:第七届建模、识别和控制国际会议（ICMIC 2015），突尼斯苏塞（2015）
[30] 阿拉菲，W。；Zajic，I。；英国乌丁。；Burnham，Kj，使用简化精细工具变量分数阶连续时间的分数阶Hammerstein-Wiener模型的参数估计，IET。控制理论A.，11，15，2591-2598（2017）
[31] 雷，S；阿坦加纳，A。；努奇，Sc；M.库鲁莱。；北卡罗来纳州比尔迪克。；Kilicman，A.，分数微积分及其在应用数学和其他科学中的应用，数学。问题。工程，2014，2（2014）
[32] Ionescu，C。；Kelly，Jf，呼吸力学分数微积分：幂律阻抗、粘弹性和组织异质性，混沌孤子分形，102433-440（2017）
[33] Podlubny，I.，分数阶系统和（PI^{lambda}D^{mu}）控制器，IEEE Trans。自动。控制，44，1，208-214（1999）·Zbl 1056.93542号
[34] Miller，Ks；Ross，B.，分数微积分和分数微分方程导论（1993），旧金山：Wiley，旧金山·兹比尔0789.26002
[35] Bai，Ew，Hammerstein-Wiener非线性系统的最优两阶段辨识算法，Automatica，34，3，333-338（1998）·Zbl 0915.93018号
[36] 王，D。；Ding，F.，Hammerstein-Wiener ARMAX系统的扩展随机梯度识别算法，计算。数学。申请。，56, 12, 3157-3164 (2008) ·Zbl 1165.65308号
[37] De Moor，B。；De Gersem，P。；德舒特，B。；Favoreel，W.，DAISY:系统识别数据库，J A，38，3，4-5（1997）
[38] 肖肯斯，J。；苏肯斯，J。；Ljung，L.，Wiener-hammerstein基准，第15届国际会计师联合会系统识别研讨会（2009年），法国：法国圣马洛
[39] Ugalde，嗯；Jc卡莫纳；雷耶斯·雷耶斯，J。；阿尔瓦拉多，Vm；Mantilla，J.，黑箱非线性系统识别中神经网络模型的计算成本改进，神经计算，166，96-108（2015）
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。