×
阿迪尔·布鲁里

利用谱分析进行Wiener-Hammerstein非线性系统辨识。 （英语） Zbl 1527.93037号

国际J鲁棒非线性控制 32，第10号，6184-6204（2022）.
小结：本文提出了一种新的Wiener-Hammerstein模型结构识别方法。与其他几篇论文不同，线性元件的传递函数具有未知结构。实际上，线性子系统不一定是参数化或FIR。此外，非线性块的函数可以是非参数的和不可逆的。识别Wiener-Hammerstein系统的主要挑战在于分离输入和输出LTI元件的动力学。目前，在没有对频带施加任何条件的情况下，此问题不会出现。然后，提出了一种两阶段辨识方法。首先，系统由一组常数输入激励以捕获系统非线性。在第二阶段，开发了一种基于谱分析和使用周期性输入信号的识别方法来确定线性元件参数。在本方法中，使用了非常有趣的概念，如傅里叶分解、频率方法和频谱分析。仿真结果表明，该辨识方法是有效的。
｛©2022 John Wiley&Sons有限公司｝

MSC公司：

93B30型 系统标识
93立方厘米10 控制理论中的非线性系统

关键词：

傅里叶展开；非线性系统辨识；非线性系统；频谱分析；Wiener-Hammerstein模型

软件：

Wiener-Hammerstein基准
PDF格式BibTeX公司 XML格式引用
\textit{A.Brouri}，国际J.鲁棒非线性控制32，No.10，6184--6204（2022；Zbl 1527.93037）
全文： 内政部

参考文献：

[1] 巴伊夫·吉里夫。面向块的非线性系统辨识。英国施普林格；2010
[2] 布鲁里亚、卡迪尔、斯拉西。具有间隙输入非线性的Hammerstein‐Wiener系统的频率识别。国际J控制自动化系统。2017;15(5):2222‐2232.
[3] BrouriA、KadiL、TounziA、OuannouA、BouchnaifJ。开关磁阻电机电感的建模与识别。亚吉。2020;18:1‐13. doi:10.1080/1448837X.2020.1866269
[4] KadiL、BrouriA、OuannouA、LahdachiK。开关磁阻电机非线性的建模和确定。In：第四届IEEE控制技术和应用会议（CCTA），加拿大蒙特利尔；2020:898‐902.
[5] KadiL、BrouriA、OuannouA。开关磁阻电机磁化特性的频率几何识别。高级系统科学应用。2020;20(4):11‐26.
[6] SasaiT、NakamuraM、YamazakiE等。光学发射机非线性数字预失真的Wiener-Hammerstein模型及其学习。选择2020年到期；28(21):30952‐30963.
[7] DingF、LiuX、HayatT。反馈非线性方程误差系统的分层最小二乘辨识。J富兰克林研究所，2020；357(5):2958‐2977. ·Zbl 1451.93404号
[8] DingF、ZhangX、LuX、Zhang X、AlsadeiA、HayatT。观测数据中带有色噪声的多输入多输出随机系统的分层扩展最小二乘估计方法。《富兰克林研究所杂志》2020；357(15):11094‐11110. ·Zbl 1450.93022号
[9] DingF、LiuX、ChuL。Hammerstein系统的基于梯度和基于最小二乘的迭代算法使用层次识别原理。IET控制理论应用。2013;7(2):176‐184.
[10] 斯科肯斯·马科纳托阿。利用支持向量机识别Wiener-Hammerstein基准数据。自动化。2016;66:3‐14.
[11] SöderströmT。变量错误问题的系统标识。Trans-Inst测量控制。2012;34(7):780‐792.
[12] KreibergD、SöderströmT、Yang‐WallentinF。使用结构方程建模进行变量误差系统识别。自动化。2016;66:218‐230. ·Zbl 1335.93133号
[13] FalckT、PelckmansK、SuykensJ、De MoorB。使用LS‐SVM识别Wiener-Hammerstein系统。参加：第十五届国际会计师联合会系统识别研讨会，法国圣马洛；2009
[14] MuBQ、ChenHF。Wiener-Hammerstein系统的递归识别。SIAM J控制选项。2016;50(5):2621‐2658. ·Zbl 1257.93108号
[15] 雷克斯·利尔。具有死区非线性的Wiener-Hammerstein系统基于分解的递推最小二乘参数估计算法。国际系统科学杂志。2017;48（11）：2405-2414·兹比尔1372.93194
[16] 佐丹奴G，舍伯格J。过程噪声下Wiener-Hammerstein系统的最大似然辨识。摘自：第18届国际会计师联合会系统识别研讨会。第51卷（15）；2018:401‐406.
[17] ShaikhMAH，BarbéK。研究随机森林识别Wiener-Hammerstein系统。IEEE Trans Inst Meas.公司。2020;70:1‐11.
[18] MzykG，WachelP。基于核的Wiener-Hammerstein系统识别。自动化。2017;83:275‐281. ·Zbl 1373.93359号
[19] ŁagoszS、SliwinskiP、WachelP。Wiener-Hammerstein系统的识别ℓ1-约束Volterra级数。Eur J控制。2021;58:53‐59. ·Zbl 1458.93053号
[20] 刘强、唐旭、李杰、曾杰、张凯、柴伊。过程噪声存在下基于变分贝叶斯方法的Wiener-Hammerstein模型辨识。J Franklin Inst.2021；358:2‐16.
[21] 戈弗雷·塔纳。在频域中使用线性插值识别Wiener-Hammerstein模型。IEEE Trans Instrum测量。2002;51:509‐521.
[22] ChiusoA Pillonetto G公司。Wiener-Hammerstein系统辨识的高斯过程。IFAC程序。2009;42(10):838‐843.
[23] 郭杰、赵毅。量化输入和量化输出观测下Wiener‐Hammerstein系统的识别。亚洲J控制。2021;23(1):118‐127. doi:10.1002/asjc.2237
[24] SjöbergJ，舍肯斯J。基于最佳线性近似的划分初始化Wiener-Hammerstein模型。自动化。2012;48(2):353‐359. ·Zbl 1260.93167号
[25] 斯科肯斯J WestwickDT。Wiener-Hammerstein模型线性子系统的初始估计。自动化。2012;48(11):2931‐2936. ·Zbl 1252.93124号
[26] 佐丹奴G，格罗斯，SjöbergJ。一种改进的基于分数阶方法的Wiener-Hammerstein系统辨识方法。自动化。2018;94:349‐360. ·Zbl 1401.93209号
[27] BrouriA，GiriF，IkhouaneF，ChaouiFZ，AmdouriO。具有直线边界间隙输入非线性的Hammerstein‐Wiener系统的识别。In:第19届国际会计师联合会，开普敦；2021:475‐480.
[28] BrouriA，ChaouiFZ，AmdouriO，GiriF。具有分段仿射输入非线性的Hammerstein‐Wiener系统的频率识别。2014年8月24日至29日，第19届国际会计师联合会世界大会，南非开普敦，邮编：10030‐10035。
[29] PintelonR、GuillaumeP、RolainY、SchoukensJ、Van HammeH。频域传递函数的参数识别——调查。IEEE Trans Autom控制。1994;39(11):2245‐2260. ·Zbl 0815.93002号
[30] RadouaneA，GiriF，IkhouaneF，Ahmed‐AliT，ChaouiFZ，BrouriA.一类滞后非线性wiener系统的系统辨识。国际J自适应控制信号处理。2016;31:332‐359. doi:10.1002/acs.2700·Zbl 1362.93161号
[31] GiriF、RochdiY、BrouriA、ChaouiF。包含具有任意形状参数边界的间隙算子的Hammerstein系统的参数识别。自动化。2011;47(8):1827‐1833. ·Zbl 1226.93130号
[32] FilipovicV、NedicN、StojanovicV。实际情况下气动伺服执行器的鲁棒辨识。Forsch Ingenieurwes/Eng Res.2011；75:183‐196。doi:10.1007/s10010-011-0144-5
[33] TaoH、LiX、PaszkeW、StojanovicV、YangH。具有多面体不确定性和受限频域的多时滞离散系统的鲁棒PD型迭代学习控制。多维系统签名过程。2021;32:671‐692. ·Zbl 1461.93145号
[34] TaoH、LiJ、ChenY、Stojanoviv、YangH。具有试变初始条件的鲁棒点到点迭代学习控制。IET控制理论应用。2020;14(19):3344‐3350.
[35] 斯通M。布尔环理论在一般拓扑中的应用。美国数学学会（Transl Am Math Soc.1937）；41(3):375‐481. ·Zbl 0017.13502号
[36] GiriF、RochdiY、BrouriA、RadouaneA、ChaouiFZ。含有间隙非线性的非参数维纳系统的频率识别。自动化。2013年a；49:124‐137. ·Zbl 1257.93104号
[37] GiriF、RadouaneA、BrouriA、ChaouiFZ。带有齿隙和齿隙逆算子的维纳系统的组合频率预测误差识别方法。自动化。2014;50:768‐783. ·Zbl 1298.93340号
[38] 布鲁里亚、卡迪尔、拉哈达克。由维纳模型和哈默斯坦模型并行耦合组成的非线性系统的辨识。亚洲J控制。2021;1-13.doi:10.1002/asjc.2533
[39] 卡迪尔·布鲁里亚。Wiener-Hammerstein系统的频率识别。在：SIAM控制及其应用会议，中国成都，2019:22-24，6月19-21日。
[40] 荣格。系统识别——用户理论。普伦蒂斯·霍尔；1999
[41] Vandermonde矩阵的逆及其应用。路易斯研究中心-俄亥俄州，NASA；1966
[42] BrouriA，ChaouiF-Z，GiriF。具有滞后前沿非线性的Hammerstein‐Wiener模型的识别。国际J控制。2021;1‐15.doi:10.1080/0207179.2021.1972160
[43] http://mathworld.wolfram.com/TrigonometricPowerFormulas.html
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。