【技术实现步骤摘要】
一种基于分解技术的双线性模型参数辨识方法
本专利技术涉及参数辨识
,具体涉及一种基于分解技术的双线性模型参数辨识方法。
技术介绍
块结构非线性模型是一类非常重要的非线性模型,得到了学术界和产业界的广泛关注和深入研究。如果块结构非线性模块的输出可以表示为已知基函数的线性组合,则该非线性模型可以转换成双线性模型,针对双线性模型的参数辨识最直接,也是最常用的方法是过参数化方法,通过对非线性模型的参数进行重构,使得输出在未知的参数空间内看起来像是线性的,从而适用于线性模型的辨识方法都能够用来对其参数进行辨识。然而,经过参数化之后的辨识模型含有线性模块和非线性模块之间的交叉项,从而导致需要辨识远多于非线性模型原有参数的待辨识参数。一些诸如基于最小二乘、两阶段、卡尔曼滤波等辨识方法也均被采用来对模型参数进行辨识,但都存在过参数的问题。
技术实现思路
针对上述问题,本专利技术提供了一种基于分解技术的辨识方法,通过将双线性模型分解为两个等价虚拟模型,然后将每个虚拟模型参数向量中的未知参数用其前一时刻的估计值代替,然后交叉进行递推辨识,直至辨识的误差达到预先设定的可接受范围之内停止,最终达到辨识系统参数的目的。本专利技术的技术方案如下:类似于哈默斯坦非线性模型、维纳非线性模型、哈默斯坦-维纳非线性模型以及负反馈非线性模型等一类由静态非线性模块和线性动态模块组合而成的非线性模型,一般都可以转换成双线性模型。优选的,由一个静态非线性模块串接一个线性动态有限脉冲响应模型构成的输入非线性有限脉冲响应模型的双线性模型可以表述为y(t)=aTF(t)b+v(t)形式,其中y(t)为模 ...
【技术保护点】
一种基于分解技术的双线性模型参数辨识方法,通过采样获得输入数据u(t)和输出数据y(t),其特征在于,根据所述输入输出数据构建双线性模型;对所述双线性模型采用分解技术重构后获得两个等价虚拟模型;对所述两个虚拟模型的参数采用遗忘因子递阶随机梯度算法进行辨识。
【技术特征摘要】
1.一种基于分解技术的双线性模型参数辨识方法,通过采样获得输入数据u(t)和输出数据y(t),其特征在于,根据所述输入输出数据构建双线性模型;对所述双线性模型采用分解技术重构后获得两个等价虚拟模型;对所述两个虚拟模型的参数采用遗忘因子递阶随机梯度算法进行辨识。2.根据权利要求1所述的一种基于分解技术的双线性模型参数辨识方法,其特征在于:所述双线性模型是由一个静态非线性模块f(·)串接一个线性动态有限脉冲响应模型G(z)构成,所述静态非线性模块f(·)是一个未知参数向量b=[b1,b2,…,bn]T和已知基函数f=(f1,f2,…,fn)的线性组合,其输入输出关系可表示为所述...
【专利技术属性】
技术研发人员:肖永松,丁锋,汪学海,刘艳君,
申请(专利权)人:江南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。