×

多变量Hammerstein CARMA系统的参数估计算法。 (英语) Zbl 1458.93130号

摘要:本文研究了多变量Hammerstein控制自回归滑动平均(CARMA)系统的参数辨识问题。我们将一个多变量Hammerstein CARMA系统转换为一个新的辨识模型,该模型包含一组双线性参数向量,即两组参数向量。为了解决估计两组参数向量的困难,本文构造了两种不同形式的辨识模型,其中每一种模型的输出都与一组参数向量线性,并提出了一种扩展的随机梯度算法,利用分层辨识原理对两组参数向量进行交互估计。与基于过参数化模型的随机梯度算法相比,该分层辨识算法具有更高的计算效率。仿真结果表明,该算法是有效的,并给出了用多变量Hammerstein模型对光伏阵列系统建模的实例。

MSC公司:

93立方35 多变量系统、多维控制系统
93B30型 系统标识
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 陈家辉。;Bao,J。;Whiten,W.J.,使用基数样条函数识别MIMO hammerstein系统,《过程控制》,16,7,659-670(2006)
[2] Dhanraj,A.V。;Nanjundappan,D.,使用粒子群优化技术为非线性多变量系统设计带理想解耦器的优化pi控制器,国际J.Innov。计算。,信息控制,10,1,341-355(2014)
[3] 丁,F.,用于hammerstein非线性系统建模的分层多新息随机梯度算法,应用。数学。型号。,37, 4, 1694-1704 (2013) ·Zbl 1349.93391号
[4] 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
[5] 丁·F。;王义杰。;丁,J.,利用滤波技术和辅助模型对有色噪声系统进行递归最小二乘参数辨识,数字信号处理。,37, 100-108 (2015)
[6] 丁,J。;范,C.X。;Lin,J.X.,带有色噪声的双速率输出误差系统基于辅助模型的参数估计,应用。数学。型号。,37, 6, 4051-4058 (2013)
[7] 丁,J。;Lin,J.X.,使用提升技术对周期非均匀采样系统的改进子空间识别,Circ。系统。信号处理。,33, 5, 1439-1449 (2014)
[8] El-Koujok,M。;贝纳马尔,M。;梅斯金,N。;Al-Naemi,M。;Langari,R.,《通过进化数据驱动方法进行多传感器故障诊断》,《信息科学》。,259, 346-358 (2014)
[9] Giri,F。;Bai,E.W.,面向块的非线性系统识别(2010),柏林-海德堡施普林格出版社·Zbl 1201.93004号
[10] 古德温,G.C。;Sin,K.S.,《自适应滤波、预测和控制》(1984),Prentice Hall:新泽西州恩格尔伍德悬崖·Zbl 0653.93001号
[11] Gow,J.A。;Manning,C.D.,用于电力电子模拟研究的光伏阵列模型的开发,IEE Proc。选举人。电源应用。,146, 2, 193-200 (1999)
[12] Harnischmacher,G。;Marquardt,W.,《具有输入方向性的过程的多变量Hammerstein模型》,《过程控制杂志》,17,6,539-550(2007)
[13] Hlaing,Y·M·。;邱,M.S。;Lakshminarayanan,S.,使用广义Hammerstein模型对多变量过程进行建模和控制,化学。工程研究设计。,85, 4, 445-454 (2007)
[14] Huang,Y.S。;王志勇,一类具有强互联性的大规模MIMO非线性系统的分散自适应模糊控制及其在自动化公路系统中的应用,信息科学。,274, 210-224 (2014) ·Zbl 1339.93069号
[15] 北卡罗普蒂迪斯。;Koukoulas,P.,Volterra-Hammerstein系统的盲识别,IEEE Trans。信号处理。,53, 8, 2777-2787 (2005) ·Zbl 1370.93089号
[16] Lakshminarayanan,S。;Shah,S.L。;Nandakumar,K.,使用多元统计工具识别Hammerstein模型,化学。工程科学。,50, 22, 3599-3613 (1995)
[17] 李,F。;Shi,P。;Wu,L。;Basin,M.V.公司。;Lim,C.C.,建模为非线性半马尔可夫跳跃系统的认知无线电网络量化控制设计,IEEE Trans。Ind.Electron公司。,62, 4, 2330-2340 (2015)
[18] 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
[19] 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
[20] 刘,Y。;Bai,E.W.,Hammerstein系统的迭代识别,Automatica,43,2,346-354(2007)·Zbl 1111.93013号
[21] Ni,B。;Gilson,M。;Garnier,H.,Hammerstein-Wiener连续时间模型辨识的精细工具变量法,IET控制理论应用。,7, 9, 1276-1286 (2013)
[22] 帕特尔,V.K。;Savsani,V.J.,传热搜索(HTS):一种新的优化算法,Inf.Sci。,324, 217-246 (2015)
[23] 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)
[24] 沈庆云。;丁,F.,使用键项分离原理的输入非线性多变量系统的迭代辨识方法,J.Franklin Inst.-Eng.Appl。数学。,3527847-2865(2015年)·兹比尔1395.93259
[25] Tian,H.M。;Mancilla-David,F。;Ellis,K。;Muljadi,E。;Jenkins,P.,光伏电池板的电池-模块-阵列详细模型,太阳能,86,9,2695-2706(2012)
[26] Veen,G.V.d。;温格登,J.W.V。;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。,99, 1-8 (2012)
[27] 韦斯利,V。;Osusky,J.,鲁棒多变量广义预测控制设计,国际J.Innov。计算。信息控制,9,8,3377-3390(2013)·Zbl 1291.93112号
[28] Villalva,M.G。;Gazoli,J.R。;Filho,E.R.,光伏阵列的建模和基于电路的模拟,电力电子会议论文集,2009年9月27日至10月1日,巴西
[29] Villalva,M.G。;Gazoli,J.R。;Filho,E.R.,光伏阵列建模和仿真的综合方法,IEEE Trans。电力电子。,24, 5, 1198-1208 (2007)
[30] Vörös,J.,含有死区的不连续非线性Hammerstein系统的递归识别,IEEE Trans。自动。控制,48,12,2203-2206(2003)·Zbl 1364.93172号
[31] 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)
[32] 王德庆。;Chu,Y.Y。;Ding,F.,Hammerstein OEMA系统基于辅助模型的RELS和MI-ELS算法,计算。数学。申请。,59, 9, 3092-3098 (2010) ·兹比尔1193.93170
[33] 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.-Eng.Appl。数学。,352, 11, 5292-5307 (2014) ·Zbl 1395.93287号
[34] 王德庆。;Ding,F.,Hammerstein-Wiener系统的分层最小二乘估计算法,IEEE信号处理。莱特。,1825-828年12月19日(2012年)
[35] 王博士。;Ding,F.,基于最小二乘和基于梯度的维纳非线性系统迭代辨识,信号处理。,91, 5, 1182-1189 (2011) ·Zbl 1219.94052号
[36] 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)
[37] Xu,Y.C。;Chen,L。;李,B。;Liu,W.,基于密度的模块化评估二元网络中的社区结构,信息科学。,317, 278-294 (2015) ·Zbl 1395.90054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。