【技术实现步骤摘要】
本申请涉及一类非线性系统灰箱辨识，特别是涉及一种可学习极点配置的一类非线性系统灰箱辨识方法。
技术介绍
1、随着深度学习技术的快速发展，基于神经网络方法的系统辨识模型逐步将深度学习知识扩展到非线性辨识研究领域。提出的状态空间编码器模型、子空间编码器网络模型（subnet），使用深度网络模型来拟合复杂的子空间可重构性映射，尽管通过良好的优化和训练后可以使用这些黑盒观测器对系统状态进行较为准确的预测，但是整个模型结构透明度差，可解释性低，无法获取状态预测决策过程的清晰解释，这给深度学习在系统辨识中的应用带来了挑战。
2、同时，深度学习所具有的训练样本分布依赖性、决策偏见性、抗攻击抗扰能力弱、陌生模式性能不佳等缺陷使得它存在不稳定、不可控的特点。深度学习复杂的非线性特征使其易学习曲折崎岖的解空间，特定动态输入条件下的状态误差收敛性难以保障。
技术实现思路
1、基于此，有必要提供一种可学习极点配置的一类非线性系统灰箱辨识方法。
2、本专利技术提供了一种可学习极点配置的一类非线性系统灰箱辨识方法，该方法包括：
3、s1：采用数学公式描述一类非线性系统，构建出系统的状态空间方程；
4、s2：基于所述系统的状态空间方程构建状态观测器；对所述状态观测器进行迭代，得到状态观测策略并学习到状态可重构性映射；
5、s3：采用全连接神经网络，并基于所述状态可重构性映射构建状态重构网络；
6、s4：对所述状态重构网络进行极点配置以及训练
7、s5：基于一类非线性系统的输入、输出数据，并通过所述完备的状态重构网络对所述系统的状态空间方程进行系统状态估计及参数辨识。
8、有益效果：该方法具有较好的可解释性，且在状态可重构网络训练过程中在达到最小化损失的同时可实现极点的自适应配置，能够有效地对一类非线性系统进行状态估计及参数辨识。
本文档来自技高网...【技术保护点】
1.一种可学习极点配置的一类非线性系统灰箱辨识方法，基于无线功率传输系统，所述无线功率传输系统包括多种参数，多种参数分别为：谐振器发送端的电容、谐振器接收端的电容、输出滤波器的电容、谐振器发送端的电感、谐振器接收端的电感、谐振器发送端与谐振器接收端之间的互感、谐振器发送端回路的等效电阻、谐振器接收端回路的等效电阻、负载电阻、开关和二极管的导通电阻、直流电压源的电压、二极管的正向电压、全桥逆变器的驱动频率、延迟时间，其特征在于，包括：
2.根据权利要求1所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，S1中，系统的状态空间方程表示为：
3.根据权利要求2所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，S2中，状态观测器的表达式为：
4.根据权利要求3所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，S2中，所述得到状态观测策略包括：
5.根据权利要求4所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，所述状态观测器在迭代过程中同步生成状态观测器的状态可重构性映射，所述状态可重构性映射
6.根据权利要求5所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，S3中，所述采用全连接神经网络，并基于所述状态可重构性映射构建状态重构网络包括：
7.根据权利要求6所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，S4中，对所述状态重构网络进行极点配置包括将矩阵的1范数以及矩阵的无穷范数添加至状态重构网络的训练过程中更新矩阵，使得矩阵的极点移动至单位圆内。
8.根据权利要求7所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，S4中，对所述状态重构网络进行极点配置以及训练之前还包括：
9.根据权利要求8所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，状态重构网络的训练过程包括：
...【技术特征摘要】
1.一种可学习极点配置的一类非线性系统灰箱辨识方法，基于无线功率传输系统，所述无线功率传输系统包括多种参数，多种参数分别为：谐振器发送端的电容、谐振器接收端的电容、输出滤波器的电容、谐振器发送端的电感、谐振器接收端的电感、谐振器发送端与谐振器接收端之间的互感、谐振器发送端回路的等效电阻、谐振器接收端回路的等效电阻、负载电阻、开关和二极管的导通电阻、直流电压源的电压、二极管的正向电压、全桥逆变器的驱动频率、延迟时间，其特征在于，包括：
2.根据权利要求1所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，s1中，系统的状态空间方程表示为：
3.根据权利要求2所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，s2中，状态观测器的表达式为：
4.根据权利要求3所述的可学习极点配置的一类非线性系统灰箱辨识方法，其特征在于，s2中，所述得到状态观测策略包括：
5.根据权利要...
【专利技术属性】
技术研发人员：侯海良，杜梦瑶，潘卓夫，陈洁，胡上，崔颢，
申请(专利权)人：湘江实验室，
类型：发明
国别省市：
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。