×
熊伟力;杨宪强;柯、梁;徐保国

一类输出数据缺失的非线性Wiener系统的EM算法辨识。 （英语） Zbl 1345.93151号

非线性动力学。 80，编号1-2，329-339（2015）.
摘要：本文研究了随机框架下非线性Wiener系统的参数估计问题。基于处理不完全数据的期望最大化（EM）算法，将其应用于考虑随机缺失输出的非线性Wiener模型的参数估计。通过EM方法，可以同时估计参数和缺失输出。为了获得Wiener模型线性子系统的无噪声输出，这里采用了辅助模型辨识的思想。仿真结果表明，该方法对一类非线性维纳模型的辨识是有效的。

引用于14文件

MSC公司：

93E10型 随机控制理论中的估计与检测
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
93E20型 最优随机控制
2005年3月37日 动力系统仿真
37号35 控制中的动态系统
93立方厘米 信息不完整的控制/观测系统

关键词：

参数估计;EM算法;缺少输出数据;维纳模型
PDF格式BibTeX公司 XML格式引用
\textit{W.Xiong}等，非线性动力学。80，编号1--2，329--339（2015；Zbl 1345.93151）
全文： 内政部

参考文献：

[1] Wang，C.，Tang，T.：使用滤波技术的一类非线性系统的几种基于梯度的迭代估计算法。非线性动力学。77(3), 769-780 (2014) ·Zbl 1314.93013号 ·doi:10.1007/s11071-014-1338-9
[2] Rashid，M.T.、Frasca，M.等人：卤虫种群运动的非线性模型识别。非线性动力学。69(4), 2237-2243 (2012) ·doi:10.1007/s11071-012-0422-2
[3] 丁·F：系统辨识——新理论和新方法。科学出版社，北京（2013）
[4] Ding，F.：系统识别——识别方法的性能分析。科学出版社，北京（2014）
[5] Yin，S.，Ding，S.，Haghani，A.，Hao，H.：随机系统的数据驱动监测及其在间歇过程中的应用。国际期刊系统。科学。44(7), 1366-1376 (2013) ·Zbl 1278.93259号 ·doi:10.1080/00207721.2012.659708
[6] Sun，W.，Gao，H.，Kaynak，O.：车辆主动悬架系统的有限频率\[H\infty\]∞控制。IEEE传输。控制系统。技术19（2），416-422（2011）·doi:10.1109/TCST.2010.2042296
[7] Ding，F.，Chen，T.：Hammerstein非线性ARMAX系统的辨识。Automatica 41（9），1479-1489（2005）·Zbl 1086.93063号 ·doi:10.1016/j.automatica.2005.03.026
[8] Wang，D.Q.，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) ·doi:10.1109/LSP.2012.2221704
[9] Hagenblad，A.，Ljung，L.，Wills，A.：维纳模型的最大似然辨识。Automatica 44（11），2697-2705（2008）·Zbl 1152.93508号
[10] Fan，D.，Lo，K.：干扰MIMO-Wiener系统的识别。非线性动力学。55, 31-42 (2009) ·Zbl 1170.93375号 ·doi:10.1007/s11071-008-9342-6
[11] Janczak，A.：识别一类MIMO Wiener系统的仪器变量方法。非线性动力学。48, 275-284 (2007) ·Zbl 1177.93090号 ·doi:10.1007/s11071-006-9088-y
[12] Zhou，L.，Li，X.，Pan，F.：非均匀采样Wiener非线性系统的基于梯度的迭代辨识。非线性动力学。76, 627-634 (2014) ·Zbl 1319.62196号 ·doi:10.1007/s11071-013-1156-5
[13] 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 ·doi:10.1016/0005-1098（93）90103-Z
[14] Wigren，T.：基于非线性Wiener模型的递归辨识算法的收敛性分析。IEEE传输。自动。控制39（11），2191-2206（1994）·Zbl 0814.93074号 ·数字对象标识代码：10.1109/9.333765
[15] Wang，D.Q.，Ding，F.：维纳非线性系统的基于最小二乘和基于梯度的迭代辨识。信号处理。91(5), 1182-1189 (2011) ·Zbl 1219.94052号 ·doi:10.1016/j.sigpro.2010.11.004
[16] Ding，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。控制信函。56(5), 373-380 (2007) ·Zbl 1130.93055号 ·doi:10.1016/j.sysconle.2006.10.026
[17] Xiong，W.L.，Ma，J.X.，Ding，R.：一类Wiener非线性系统建模的迭代数值算法。申请。数学。莱特。26(4), 487-493 (2012) ·Zbl 1261.65068号 ·doi:10.1016/j.aml.2012.12.001
[18] Westwick，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 ·doi:10.1016/0165-1684（96）00056-4
[19] Ding，F.：具有稀缺测量的状态空间系统的状态滤波和参数识别。信号处理。104, 369-380 (2014) ·doi:10.1016/j.sigpro.2014.03.031
[20] Khatibisepehr，S.，Huang，B.：处理软传感器中的不规则数据：贝叶斯方法和比较研究。工业工程化学。第47（22）号决议，第8713-8723（2008）号决议·doi:10.1021/ie800386v
[21] Jin，X.，Wang，S.，Huang，B.，Forbes，F.：基于多模型的LPV软传感器开发，具有不规则/缺失过程输出测量。控制工程实践。20(2), 165-172 (2012) ·doi:10.1016/j.connengprac.2011.10.007
[22] Ding，J.，Ding，F.，Liu，X.P.，Liw，G.：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）·Zbl 1368.93744号 ·doi:10.1109/TAC.2011.2158137
[23] Ding，F.，Ding，J.：具有不规则缺失数据的系统的最小二乘参数估计。国际期刊改编。控制信号处理。24(7), 540-553 (2010) ·Zbl 1200.93130号
[24] 丁·F、刘·G、刘·X·P：稀缺测量的参数估计。Automatica 47（8），1646-1655（2011）·兹比尔1232.62043 ·doi:10.1016/j.automatica.2011.05.007
[25] Zhu，Y.，Telkamp，H.，Wang，J.，Fu，Q.：使用缓慢和不规则输出样本进行系统识别。J.过程控制19（1），58-67（2009）·Zbl 1198.93223号 ·doi:10.1016/j.jprocont.2008.02.002
[26] Isaksson，A.J.：识别缺失数据的ARX模型。IEEE传输。自动。控制38（5），813-819（1993）·Zbl 0785.93028号 ·doi:10.1109/9.277253
[27] Wallin，R.，Isaksson，A.J.，Ljung，L.：从不完整数据中识别ARX模型的迭代方法。摘自：第39届IEEE会议论文集决策控制1，第203-208页（2000）·Zbl 1198.93223号
[28] Gopaluni，R.B.：一种用于识别缺失观测下非线性过程的粒子滤波方法。可以。化学杂志。工程86（6），1081-1092（2008）·doi:10.1002/cjce.20113
[29] Xie，L.，Yang，H.Z.，Huang，B.：使用EM算法对具有随机延迟的多速率过程进行FIR模型辨识。AIChE J.59（11），4124-4132（2013）·doi:10.1002/aic.14147
[30] 邓，J.，黄，B.：具有缺失输出数据的非线性参数变化系统的识别。AIChE J.58（11），3454-3467（2012）·数字对象标识代码：10.1002/aic.13735
[31] Xiong，W.，Yang，X.，Huang，B.，Xu，B.：使用期望最大化算法，在缺少输出数据的情况下，基于多模型的线性变参数时滞系统辨识。工业工程化学。第53号决议，11074-11083（2014年）·Zbl 1177.93090号
[32] Yang，X.，Gao，H.：用EM算法进行线性参数变时滞系统辨识的多模型方法。J.弗兰克尔。仪器351（12），5565-5581（2014）·Zbl 1393.93032号 ·doi:10.1016/j.jfranklin.2014.09.015
[33] Dempster，A.P.，Laird，N.M.，Rubin，D.B.：通过EM算法获得不完整数据的最大似然。J.R.Stat.Soc.39（1），1-38（1977）·Zbl 0364.62022号
[34] Wu，J.：关于EM算法的收敛性。Ann.Stat.11（1），95-103（1983）·Zbl 0517.62035号 ·doi:10.1214/aos/1176346060
[35] Ding，F.，Chen，T.：使用辅助模型对双速率系统的参数和输出进行组合估计。Automatica 40（10），1739-1748（2004）·Zbl 1162.93376号 ·doi:10.1016/j.automatica.2004.05.001
[36] Ding，F.：使用测量信息的多变量系统分层参数估计算法。信息科学。277396-405（2014）·Zbl 1354.93161号 ·doi:10.1016/j.ins.2014.02.103
[37] Ding，F.，Wang，Y.J.，Ding，J.：有色噪声系统的递归最小二乘参数估计算法，使用滤波技术和辅助模型。数字。信号处理。(2015). http://dx.doi.org/10.1016/j.dsp.2014.10.005 ·Zbl 1314.93013号
[38] Hu，Y.B.：移动平均系统的迭代和递归最小二乘估计算法。模拟。模型。实践理论34，12-19（2013）·doi:10.1016/j.simpat.2012.12.009
[39] Ding，J.，Fan，C.X.，Lin，J.X.：带有色噪声的双速率输出误差系统的基于辅助模型的参数估计。申请。数学。模型。37(6), 4051-4058 (2013) ·doi:10.1016/j.apm.2012.09.016
[40] Ding，J.，Lin，J.X.：使用提升技术对周期非均匀采样系统进行改进的子空间识别。电路系统。信号处理。33(5), 1439-1449 (2014) ·doi:10.1007/s00034-013-9704-2
[41] Liu，Y.J.，Ding，F.，Shi，Y.：一般双速率采样数据系统的有效分层识别方法。自动化50（3），962-970（2014）·Zbl 1298.93227号 ·doi:10.1016/j.automatica.2013.12.025
[42] Ding，F.：动态系统的组合状态和最小二乘参数估计算法。申请。数学。模型。38(1), 403-412 (2014) ·Zbl 1449.93254号 ·doi:10.1016/j.apm.2013.06.007
[43] Wang，C.，Tang，T.：递归最小二乘估计算法应用于一类线性参数内输出误差移动平均系统。申请。数学。莱特。29, 36-41 (2014) ·Zbl 1311.93082号
[44] Hu，Y.B.，Liu，B.L.，Zhou，Q.，Yang，C.：带滑动平均噪声的Wiener非线性系统的递归扩展最小二乘参数估计。电路系统。信号处理。33(2), 655-664 (2014) ·doi:10.1007/s00034-013-9652-x
[45] Hu，Y.B.，Liu，B.L.，Zhou，Q.：输出非线性自回归滑动平均系统的多创新广义随机梯度算法。申请。数学。计算。247, 218-224 (2014) ·Zbl 1343.62059号 ·doi:10.1016/j.amc.2014.08.096
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。