基于支持向量机的非线性动态系统辨识方法

被引:26
作者
吴德会
机构
[1] 九江学院电子工程系
关键词
H模型; 非线性动态系统辨识; 支持向量机; 回归算法;
D O I
10.16182/j.cnki.joss.2007.14.011
中图分类号
TP13 [自动控制理论];
学科分类号
080201 [机械制造及其自动化];
摘要
讨论了辨识一类非线性系统模型的方法。先假设原非线性动态系统可由静态非线性子环节和动态线性子环节串联——H模型来表示。将H模型的非线性方程转换为类线性形式,从而建立线性过渡模型。对原始测量数据进行组合运算获得线性中间模型的训练样本集,并通过支持向量机线性回归算法求取过渡模型参数。最后再建立过渡模型与H模型系数之间的关系,从而反推出非线性模型参数,实现非线性动态系统辨识。仿真结果表明了该方法的有效性。
引用
收藏
页码:3169 / 3171+3187 +3187
页数:4
相关论文
共 6 条
[1]
基于模糊神经网络的动态非线性系统辨识研究 [J].
胡玉玲 ;
曹建国 .
系统仿真学报, 2007, (03) :560-562
[2]
腕力传感器动态非线性的研究 [J].
贾林 ;
吕勇 ;
徐科军 .
合肥工业大学学报(自然科学版), 2003, (01) :37-41
[3]
用改进的多分辨小波网络辨识非线性动态系统 [J].
吕立华 ;
宋执环 ;
李平 .
浙江大学学报(工学版), 2002, (01)
[4]
机器人腕力传感器动态响应的实时补偿 [J].
徐科军 ;
李成 ;
朱志能 ;
刘家军 .
自动化学报, 2001, (05) :705-709
[5]
基于模糊对向神经网络的非线性动态系统辨识器 [J].
张志华 ;
郑南宁 ;
赵振选 .
控制理论与应用, 2000, (04) :565-568
[6]
辨识Hammerstein模型的两步法 [J].
黄正良 ;
万百五 ;
韩崇昭 .
控制理论与应用, 1995, (01)