基于分段線性Hammerstein模型描述的非線性系統(tǒng)辨識.pdf

1、非線性現(xiàn)象普遍存在于工程技術(shù)、科學(xué)研究以至自然界及人類社會活動的各個領(lǐng)域。但是由于非線性系統(tǒng)描述的復(fù)雜性和多樣性,其辨識問題成為目前國內(nèi)外眾多學(xué)者致力研究的一個熱點和難點。
　　本論文針對目前非線性辨識領(lǐng)域的重要研究方向-以分段線性Hammerstein模型描述的非線性系統(tǒng)參數(shù)辨識,參閱大量書籍,總結(jié)并借鑒目前常用的幾種辨識算法,引入了一種分離辨識的思想,分別利用數(shù)字濾波和樣條逼近算法重構(gòu)出塊聯(lián)系統(tǒng)的中間輸入,將線性和非線性部分分

2、離處理,并且改進信號的小波分解算法對近似逼近后的系統(tǒng)參數(shù)進行估計。本文主要獲得以下成果:
　　1.對于分段線性Hammerstein模型描述的非線性系統(tǒng),引入開關(guān)函數(shù),將模型輸出整理成參數(shù)和信號更加明確的非線性回歸形式,因而使得對該系統(tǒng)的辨識更直接簡單,效果更好。
　　2.基于分離原則,將線性和非線性部分的參數(shù)分離辨識。給出了兩種方案:一是應(yīng)用數(shù)字濾波器的逆動態(tài)濾波性能,以多項式濾波的形式分離模型的中間輸入進行參數(shù)辨識;二是

3、考慮樣條函數(shù)的分段特性,采用三階B樣條函數(shù)的數(shù)據(jù)曲線逼近能力,通過對輸入信號的采樣插值獲得了較好的中間過程輸入。分離辨識的算法避免了各自參數(shù)估計誤差的相互影響,保證了較高的精度以及可靠性。
　　3.討論了小波分解辨識非線性系統(tǒng)參數(shù)的算法,并改進信號的小波分解把初始信號分解為不重疊的二元頻帶之和,從而在辨識中濾掉高頻的噪聲干擾,只使用低頻段的輸入和輸出信號進行估計。該算法無需系統(tǒng)的內(nèi)部機理,僅需要系統(tǒng)的輸入輸出數(shù)據(jù)即可辨識出系統(tǒng)參數(shù)