×
朱利奥·波特加尔;里卡多·卡斯特罗·加西亚;约翰·苏肯斯（Johan A.K.Suykens）。

维纳系统辨识的双实验方法。 （英语） Zbl 1400.93313号

Automatica公司 93, 282-289 (2018).
小结：我们提出了一种新的方法，利用从两个单独的实验中获得的数据来识别维纳系统。在第一个实验中，我们以规定的频率向系统输入正弦信号，并使用系统的稳态响应来估计静态非线性。在第二个实验中，使用估计的非线性来识别线性块的模型，向系统提供持续激励输入。我们讨论了估计静态非线性的参数和非参数方法。在参数情况下，我们表明将静态非线性建模为多项式会导致快速最小二乘估计过程。在非参数情况下，采用最小二乘支持向量机（LS-SVM）获得柔性模型。通过数值实验验证了该方法的有效性。

引用于6文件

MSC公司：

93E12号机组 随机控制理论中的辨识
93B40码 系统理论中的计算方法（MSC2010）
93E24型 随机控制系统的最小二乘法及其相关方法

关键词：

系统标识;维纳系统;实验设计;最小二乘支持向量机

软件：

系统标识工具箱
PDF格式BibTeX公司 XML格式引用
\textit{G.Bottegal}等人，Automatica 93，282--289（2018；Zbl 1400.93313）
全文： 内政部

参考文献：

[1] Bai，E.W.，Hammerstein-Wiener非线性系统的最优两阶段辨识算法，Automatica，34，333-338，（1998）·Zbl 0915.93018号
[2] Bai，E.-W.，Wiener模型的频域识别，Automatica，39，9，1521-1530，（2003）·兹比尔1032.93010
[3] 布鲁斯，J。；周，C。；Haverkamp，B。；Verhaegen，M.，使用可分离最小二乘法识别线性和非线性系统，欧洲控制杂志，5，1，116-128，（1999）·Zbl 0951.93020号
[4] Castro-Garcia，R.和Suykens，J.A.K.（2016）。在LS-SVM框架内使用最佳线性近似进行维纳系统辨识程序。第三届拉丁美洲计算智能会议; Castro Garcia，R.和Suykens，J.A.K.（2016）。在LS-SVM框架内使用最佳线性近似进行维纳系统辨识程序。第三届拉丁美洲计算智能会议
[5] Christmann，A。；Steinwart，I.，凸风险最小化中基于核回归的一致性和稳健性，Bernoulli，799-819，（2007）·Zbl 1129.62031号
[6] Eckhard，D。；Bazanella，A.S。；罗哈斯，C.R。；Hjalmarsson，H.，输出误差准则的成本函数成形，Automatica，76，53-60，（2017）·Zbl 1352.93036号
[7] Enqvist，M。；Ljung，L.，可分离输入过程非线性FIR系统的线性逼近，Automatica，41，3，459-473，（2005）·Zbl 1079.93015号
[8] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.（《统计学习的要素》，《统计学中的斯普林格系列》，第1卷，（2001年），斯普林格-柏林）·Zbl 0973.62007号
[9] （Giri，F.；Bai，E.-W.，面向块的非线性系统识别，第1卷，（2010），Springer）·Zbl 1201.93004号
[10] Giri，F。；Rochdi，Y。；Chaoui，F.，评论Wiener模型的频域识别，EW bai，automatica 39（2003），1521-1530，automatica，44，5，1451-1455，（2008）·Zbl 1283.93088号
[11] Giri，F。；Rochdi，Y。；Chaoui，F.-Z.，Wiener系统频率识别的解析几何方法，IEEE自动控制汇刊，54，4，683-696，（2009）·Zbl 1367.93673号
[12] Greblicki，W.，Wiener系统识别的非参数方法，IEEE电路与系统学报I：基本理论与应用，44，6，538-545，（1997）
[13] Hagenblad，A。；Ljung，L。；Wills，A.，Wiener模型的最大似然识别，Automatica，44，11，2697-2705，（2008）·兹比尔1152.93508
[14] 亨特，I。；Korenberg，M.，非线性生物系统的识别：Wiener和Hammerstein级联模型，生物控制论，55，2-3，135-144，（1986）·Zbl 0611.92002号
[15] Janczak，A.，一类MIMO-Wiener系统辨识的仪器变量方法，非线性动力学，48，3，275-284，（2007）·Zbl 1177.93090号
[16] 卡拉法提斯，A。；Arifin，北卡罗来纳州。；Wang，L。；Cluett，W.，基于维纳模型的ph过程识别新方法，化学工程科学，50，23，3693-3701，（1995）
[17] 莱西，S.L。；Erwin，R.S。；Bernstein，D.S.，《具有已知不可逆非线性的Wiener系统的识别》（美国控制会议，2001年）。2001年会议录，第6卷，（2001），IEEE），4890-4895
[18] Lindsten，F。；Schön，T.B。；Jordan，M.I.，贝叶斯半参数维纳系统识别，Automatica，49，72053-2063，（2013）·Zbl 1364.93831号
[19] Ljung，L.，（系统识别：用户理论，普伦蒂斯·霍尔信息与系统科学系列，（1999），普伦提斯·霍尔PTR上鞍河（新泽西州））
[20] Ljung，L.、Zhang，Q.、Lindskog，P.、Iouditski，A.和Singh，R.（2006）。用于线性和非线性模型的集成系统识别工具箱。在国际会计师联合会第四届系统识别研讨会会议记录; Ljung，L.、Zhang，Q.、Lindskog，P.、Iouditski，A.和Singh，R.（2006）。用于线性和非线性模型的集成系统识别工具箱。在国际会计师联合会第四届系统识别研讨会会议记录
[21] Mahata，K。；肖肯斯，J。；De Cock，A.，Wiener模型识别的高斯输入信息矩阵和D-最优设计，Automatica，69，65-77，（2016）·Zbl 1338.93387号
[22] Mzyk，G.，Wiener系统非线性非参数识别的删失样本均值方法，IEEE电路与系统汇刊II：简报，54，10，897-901，（2007）
[23] Pillonetto，G.，Wiener系统的一致识别：机器学习观点，Automatica，49，9，2704-2712，（2013）·Zbl 1364.93834号
[24] Pintelon，R。；Schoukens，J.，《系统识别：频域方法》（2012），John Wiley&Sons·Zbl 0970.93514号
[25] Rallo，G。；福门汀，S。；罗哈斯，C.R。；Oomen，T。；Savaresi，S.M.，数据驱动{高}_\infty）-通过专家建议进行范数估计，（第56届IEEE决策与控制会议论文集，（2017），IEEE），1560-1565
[26] Schoukens，M。；Tiels，K.，从线性近似开始的面向块的非线性系统的识别：一项调查，Automatica，85272-292，（2017）·Zbl 1375.93038号
[27] Steinwart，I.，支持向量机和其他正则化核分类器的一致性，IEEE信息理论汇刊，51，1，128-142，（2005）·Zbl 1304.62090号
[28] 苏肯斯，J.A.K。；Van Gestel，T。；De Brabanter，J。；De Moor，B。；Vandewalle，J.，最小二乘支持向量机，（2002），《世界科学》·Zbl 1017.93004号
[29] Tiels，K。；Schoukens，J.，使用维纳G泛函的变体识别维纳系统，（2011年第50届IEEE决策与控制会议和欧洲控制会议，（2011），IEEE），5780-5785
[30] 威斯威克，D。；Verhaegen，M.，使用子空间模型识别方法识别MIMO-Wiener系统，信号处理，52，2，235-258，（1996）·Zbl 0875.93093号
[31] Wigren，T.，使用非线性Wiener模型进行递归预测误差识别，Automatica，29，4，1011-1025，（1993）·Zbl 0776.93006号
[32] Wigren，T.，基于非线性Wiener模型的递归辨识算法的收敛性分析，IEEE自动控制汇刊，39，11，2191-2206，（1994）·Zbl 0814.93074号
[33] Xavier-de Souza，S。；苏肯斯，J.A.K。；范德沃勒，J。；Bollé，D.，耦合模拟退火，IEEE系统、人类和控制论汇刊，B部分（控制论），40，2，320-335，（2009）
[34] Zhu，Y.，利用Wiener模型进行精馏塔控制识别，（美国控制会议，1999年）。1999年会议录，第5卷，（1999），IEEE），3462-3466
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。