一种基于DBN‑ARX模型的非线性系统建模方法技术方案
A modeling method for nonlinear system DBN based on ARX model
【技术实现步骤摘要】
一种基于DBN-ARX模型的非线性系统建模方法
本专利技术涉及工程设计与优化领域，一种可以利用系统输入输出离散时间序列数据，特别是一种基于DBN-ARX模型的非线性系统建模方法。
技术介绍
在实际的工业生产过程中广泛存在难以获得复杂非线性系统的机理数学模型的情况，常常采用数据驱动的建模方法，构建系统输入输出变量的关系模型以描述系统的动态特性。深度信念网络(DBN)是深度学习算法中比较常用的一种模型，具有较强的非线性特征提取能力，且能避免传统神经网络参数优化时收敛速度慢以及容易陷入局部最优的局限性。DBN模型已成功应用于交通流预测，天气预测，函数逼近以及信号处理等多个领域，已经成为了目前比较流行的一种用于刻画非线性特性的模型。由于实际工业过程的复杂性，采用单一的DBN模型有时难以精确描述系统的非线性特性，且该模型高度非线性，不便用于控制器设计等应用场合。
技术实现思路
本专利技术旨在提供一种基于DBN-ARX模型的非线性系统建模方法，利用DBN和状态相依ARX的优点，更好地对非线性系统进行建模。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于DBN-ARX模型...
【技术保护点】
一种基于DBN‑ARX模型的非线性系统建模方法，其特征在于，包括以下步骤：1)构建DBN‑ARX模型，根据AIC准则确定DBN‑ARX模型的阶次p和q；2)确定预训练阶段的DBN‑ARX模型中每个DBN模块的期望目标值；3)求出DBN‑ARX模型的预测输出值；4)使用反向传播算法对整个DBN‑ARX模型参数进行微调，获得DBN‑ARX模型的最优参数；5)根据上述最优参数，计算出基于DBN‑ARX模型的预测值；6)重复上述步骤1)～步骤5)，选择当AIC值为最小情况下的阶次作为DBN‑ARX模型的最终阶次；7)根据步骤6)确定的最终阶次，重复步骤1)～步骤5)，计算出DBN‑...
【技术特征摘要】
1.一种基于DBN-ARX模型的非线性系统建模方法，其特征在于，包括以下步骤：1)构建DBN-ARX模型，根据AIC准则确定DBN-ARX模型的阶次p和q；2)确定预训练阶段的DBN-ARX模型中每个DBN模块的期望目标值；3)求出DBN-ARX模型的预测输出值；4)使用反向传播算法对整个DBN-ARX模型参数进行微调，获得DBN-ARX模型的最优参数；5)根据上述最优参数，计算出基于DBN-ARX模型的预测值；6)重复上述步骤1)～步骤5)，选择当AIC值为最小情况下的阶次作为DBN-ARX模型的最终阶次；7)根据步骤6)确定的最终阶次，重复步骤1)～步骤5)，计算出DBN-ARX模型的最终预测值。2.根据权利要求1所述的基于DBN-ARX模型的非线性系统建模方法，其特征在于，步骤1)中，DBN-ARX模型的表达式为：其中，为t时刻系统的输出值；为t时刻系统输入值；为高斯白噪声；p和q分别为DBN-ARX模型输出和输入回归多项式的阶次；Nh为DBN模块的隐含层层数；DBN的激活函数为m为可见层节点数；n为可视节点数；φ0(W(t-1))为DBN-ARX模型第一个DBN模块的输出值；为DBN-ARX模型第i+1个DBN模块输出值；为DBN-ARX模型的第p+1+j个DBN模块的输出值；wst为可见层与隐含层之间的连接权值；为DBN-ARX模型中第一个DBN模块的第d个隐含层的输出值；为DBN-ARX模型中第i+1个DBN模块的第d个隐含层的输出值；为DBN-ARX模型中第p+j+1个DBN模块的第d个隐含层的输出值；为DBN-ARX模型中第一个DBN模块中第d个隐含层的偏置；为DBN-ARX模型中第i+1个DBN模块的第d个隐含层的偏置；为DBN-ARX模型中第p+j+1个DBN模块的第d个隐含层的偏置；W(t-1)为DBN-ARX模型的输入值；为DBN-ARX模型第一个DBN模块的第一个可见层输入值；为DBN-ARX模型第i+1个DBN模块的第一个可见层输入值；为DBN-ARX模型第p+i+1个DBN模块的第一个可见层输入值。3.根据权利要求2所述的基于DBN-ARX模型的非线性系统建模方法，其特征在于，步骤2)中，利用下式确定DBN-ARX模型中每个DBN模块的期望目标值：Φ＝M+Y；其中：
【专利技术属性】
技术研发人员：彭辉，徐文权，曾小勇，周锋，田晓盈，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43
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。