控制科学与工程硕士研究生学位课程系统辨识-read.ppt

第六讲 非线性系统辨识方法 Volterra 级数 NARMA模型 高阶频率响应函数 神经网络模型 模糊模型 模糊神经网络模型 几类特殊的非线性模型 几篇综述文章 Billings S.A.. Identification of nonlinear system—A survey,IEEE proc pt.D.,Vol.5.pp272-285,1980 朱全民，非线性系统辨识，控制理论与应用，Vol.11,No.6,pp641-650,1994 一、Volterra 级数 Volterra级数对非线性系统理论、函数逼近、辨识方法的发展有非常重要的推动作用，但普遍认为很难用于过程建模，目前，仍有人在进行研究。 二、 NARMA模型 NARMAX模型由英国学者Billing提出并进行了研究。 问题：阶高时，参数多，模型结构辨识问题一直没有解决。（GA） 有理NARMAX模型 基于正交化的最小二盛辨识算法用于辨识非线性系统的NARMAX模型 三、神经网络模型 非线性系统神经网络辨识方法的优越性： 神经网络可以不依赖模型函数的知识，即，可以不要了解被辨识非线性系统输入与输出之间存在何种数学关系。 网络类型 网络结构、参数 四、模糊模型 模糊关系模型 T-S模型 （直接辨识方法、递阶辨识方法等） 五、模糊神经网络模型 (见后面章节) 六、几类特殊的非线性模型 双线性系统 Wiener模型 Hammerstein模型 Wiener—Hammerstein模型 双线性Hammerstein模型 非线性复杂系统 (1) 线性系统----双线性系统 (2) Wiener模型 (3) Hammerstein模型 (4) Wiener—Hammerstein模型 (5)双线性Hammerstein模型 由一个无记忆的非线性增益和一个双线性系统级联构成 (6) 非线性复杂系统 由多个非线性子系统构成的非线性复杂系统 多输入、多输出 多子系统 集成辨识方法：先辨识稳态，再辨识动态 适用于一类非线性系统的辨识 * * L NL u(k) y(k) z(k) L NL u(k) y(k) z(k) L NL u(k) y(k) z(k) L v(k)