×
张利民;长春华;关新平

贝叶斯-哈默斯坦系统的结构和参数辨识。 （英语） Zbl 1331.93215号

非线性动力学。 79，第3期，1847-1861（2015）.
小结：在本文中，我们考虑贝叶斯-哈默斯坦系统的结构和参数识别问题。提出了一种结构辨识算法，其中系统阶次、系统参数和正则化参数在所考虑的系统中都是未知的。通过采样理论得到了系统参数的联合后验分布和基函数的值。该辨识算法基于可逆跳马尔可夫链蒙特卡罗方法。该算法有两个主要特点：（i）通过使用生-移和死-移策略，在基函数个数空间中快速搜索参数\（k），直到找到合适的\（k\）值。（ii）在贝叶斯框架中，系统参数的分布随\（k\）值的变化而变化，当\（k~）值稳定后，成功地找到了参数。通过两个实例验证了该算法的有效性。通过参数估计误差、MSE、NRMSE、MAD、Theils不等式系数等统计分析结果验证了算法的性能。

引用于1文件

理学硕士：

93E12号机组 随机控制理论中的辨识
93立方厘米 控制理论中的非线性系统
60J10型 马尔可夫链（离散状态空间上的离散时间马尔可夫过程）

关键词：

哈默斯坦体系;马尔科夫蒙特卡洛;贝叶斯方法;基函数
PDF格式BibTeX公司 XML格式引用
\textit{L.Zhang}等人，《非线性动力学》。79，第3期，1847--1861（2015；Zbl 1331.93215）
全文： 内政部

参考文献：

[1] Ding，F.，Peter Liu，X.P.，Liu，G.J.：Hammerstein非线性系统的识别方法。挖掘。信号处理。21, 215-238 (2011) ·doi:10.1016/j.dsp.2010.06006
[2] Ding，F.，Shi，Y.，Chen，T.W.：Hammerstein非线性ARMAX模型的基于梯度的识别方法。非线性动力学。45(1), 31-43 (2005) ·Zbl 1134.93321号
[3] Li，J.H.，Ding，F.，Hua，L.：Hammerstein CARAR系统的最大似然牛顿递归和牛顿迭代估计算法。非线性动力学。75(1), 235-245 (2014) ·Zbl 1281.93099号 ·doi:10.1007/s11071-013-1061-y
[4] Ding，J.，Ding，F.，Peter Liu，X.P.，Liu，G.J.：具有双速率采样数据的线性SISO系统的分层最小二乘辨识。IEEE传输。自动。控制56（11），2677-2683（2011）·兹比尔1368.93744 ·doi:10.1109/TAC.2011.2158137
[5] Liu，X.G.：一类多速率系统的基于最小二乘的迭代辨识。Automatica 46（3），549-554（2010）·Zbl 1194.93079号 ·doi:10.1016/j.automatica.2010.01.007
[6] Han，X.Q.，Xie，L.，Ding，F.，Liu，X.G.：带滑动平均噪声的多变量系统的基于分层最小二乘的迭代辨识。数学。计算。模型。51(9-10), 1213-1220 (2010) ·Zbl 1198.93216号 ·doi:10.1016/j.mcm.2010.01.003
[7] Zhang，Z.N.，Ding，F.，Liu，X.G.：多变量输出误差滑动平均系统基于层次梯度的迭代参数估计算法。计算。数学。申请。61(3), 672-682 (2011) ·Zbl 1217.15022号 ·doi:10.1016/j.camwa.2010.12.014
[8] Greblicki，W.：基于有序观测的Hammerstein系统非线性估计。IEEE传输。信号处理。44(5), 1224-1233 (1996) ·数字对象标识代码：10.1109/78.502334
[9] Haber，R.，Unbehauen，H.：非线性动态系统的结构识别——输入/输出方法综述。Automatica 26（4），651-677（1990）·Zbl 0721.93023号 ·doi:10.1016/0005-1098（90）90044-I
[10] Prakriya，S.，Hatzinakos，D.：具有循环平稳输入的LTI-ZMNL-LTI模型线性子系统的盲辨识。IEEE传输。信号处理。45(8), 2023-2036 (1997) ·数字对象标识代码：10.1109/78.611201
[11] Chaudhary，N.I.、Raja，M.A.Z.、Khan，J.A.、Aslam，M.S.：使用分数信号处理方法识别输入非线性控制自回归系统。科学世界杂志doi:10.1155/2013/467276（2013）·Zbl 1214.93115号
[12] Sun，J.L.，Liu，X.G.：一种新的APSO辅助的Hammerstein系统最大似然识别方法。非线性动力学。73(1-2), 449-462 (2013) ·Zbl 1281.93035号 ·doi:10.1007/s11071-013-0800-4
[13] Narendra，K.S.，Gallman，P.G.：使用Hammerstein模型识别非线性系统的迭代方法。IEEE传输。自动。控制11（3），546-550（1966）·doi:10.1109/TAC.1966.1098387
[14] Chang，F.，Luus，R.：一种使用Hammerstein模型进行识别的非迭代方法。IEEE传输。自动。控制16，464-468（1971）·doi:10.1109/TAC.1971.1099787
[15] Bai，E.：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 ·doi:10.1016/S0005-1098（97）00198-2
[16] Chang，F.，Luus，R.：使用Hammerstein模型进行识别的非迭代方法。IEEE传输。自动化。控制16（5），464-468（1971）·doi:10.1109/TAC.1971.1099787
[17] Bilings，S.A.，Fakhouri，S.Y.：使用相关分析识别一类非线性系统。程序。仪表选择。工程125（7），691-697（1978）·doi:10.1049/piee.1978.0161
[18] Bai，E.W.，Fu，M.：Hammerstein模型识别的盲法。IEEE传输。信号处理。50(7), 1610-1619 (2002) ·doi:10.1109/TSP.2002.1011202
[19] Zahoor，R.M.A.，Qureshi，I.M.：使用分数导数的改进最小均方算法及其在系统辨识中的应用。欧洲科学杂志。第35（1）号决议，14-21（2009）
[20] Aslam，M.S.，Zahoor，R.M.A.：一种新的自适应策略，用于使用分数信号处理方法改进有源噪声控制系统中的在线二次路径建模。信号处理。J.doi:10.1016/J.sigpro.2014.04.012·Zbl 1364.93821号
[21] Shah，S.M.，Samar，R.，Raja，M.A.Z.，Chambers，J.A.：有源噪声控制系统中应用的分数归一化滤波误差最小均方算法。电子。莱特。50(14), 973-975 (2014) ·doi:10.1049/el.2014.1275
[22] Zahoor，R.M.A.，Chaudhary，N.I.：用于CARMA系统参数估计的两阶段分数最小均方辨识算法。信号处理。J.doi:10.1016/J.sigpro.2014.06.015
[23] Akaike，H.：统计模型识别的新视角。IEEE传输。自动。控制19，716-723（1974）·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705
[24] Rissanen，J.：通过最短数据描述建模。Automatica 14，465-478（1978）·Zbl 0418.93079号 ·doi:10.1016/0005-1098（78）90005-5
[25] Schwarz，G.：估算模型的维数。Ann.Stat.6，461-467（1985）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[26] Ninness，B.，Henriksen，S.：通过马尔可夫链蒙特卡罗技术进行贝叶斯系统识别。Automatica 46，40-51（2010）·Zbl 1214.93115号 ·doi:10.1016/j.automatica.2009.10.015
[27] Baldachino，T.、Anderson，S.R.、Kadirkamanathan，V.：贝叶斯NARMAX建模的计算系统识别。自动化492641-2651（2013）·Zbl 1364.93821号 ·doi:10.1016/j.automatica.2013.05.023
[28] redrik Lindstena，F.，Schon，T.B.，Jordanb，M.I.：贝叶斯半参数维纳系统识别。Automatica 49，2053-2063（2013）·Zbl 1364.93831号 ·doi:10.1016/j.automatica.2013.03.021
[29] Robert，C.P.，Ryde，T.，Titterington，D.M.：通过跳马尔可夫链蒙特卡罗在隐马尔可夫模型中进行贝叶斯推断。J.R.统计社会服务。B 62（1），57-75（2000）·Zbl 0941.62090号 ·doi:10.1111/1467-9868.00219
[30] Bernardo，J.M.，Smith，A.F.M.：贝叶斯理论。威利，纽约（1994）·Zbl 0796.6202号 ·doi:10.1002/9780470316870
[31] Vermaak，J.、Andrieu，C.、Doucet，A.、Godsill，S.J.：自回归过程中贝叶斯模型选择的可逆跳马尔可夫链蒙特卡罗策略。J.时间序列。分析。25(6), 785-809 (2004) ·Zbl 1062.62206号 ·文件编号：10.1111/j.1467-9892.2004.00380.x
[32] 黑斯廷斯，W.K.：使用马尔可夫链的蒙特卡罗抽样方法及其应用。生物特征57（1），97-109（1970）·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97
[33] Ninness，B.，Henriksen，S.：通过马尔可夫链蒙特卡罗技术进行贝叶斯系统识别。Automatica 46（1），40-51（2010）·Zbl 1214.93115号 ·doi:10.1016/j.automatica.2009.10.015
[34] Vermaak，J.、Andrieu，C.、Doucet，A.、Godsill，S.J.：自回归过程的贝叶斯模型选择。技术报告。英国剑桥大学工程系（2000年）·Zbl 1062.62206号
[35] Green，P.J.：可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定。生物医学82（4），711-732（1995）·Zbl 0861.62023号
[36] 贝萨格：候选人的公式——贝叶斯预测中的一个奇怪结果。《生物特征》76183（1989）·Zbl 0664.62028号 ·doi:10.1093/biomet/76.1.183
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。