非線性hammerstein模型的辨識(shí)【開(kāi)題報(bào)告】

1、畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告電氣工程與自動(dòng)化電氣工程與自動(dòng)化非線性非線性HammersteinHammerstein模型的辨識(shí)模型的辨識(shí)1、選題的背景與意義系統(tǒng)辨識(shí)是是現(xiàn)代控制理論中的一個(gè)重要分支。通過(guò)辨識(shí)建立數(shù)學(xué)模型的目的是估計(jì)表征系統(tǒng)行為的重要參數(shù)，建立一個(gè)能模仿真實(shí)系統(tǒng)行為的模型，用當(dāng)前可測(cè)量的系統(tǒng)的輸入和輸出預(yù)測(cè)系統(tǒng)輸出的未來(lái)演變，以及控制器的設(shè)計(jì)。非線性系統(tǒng)辨識(shí)是系統(tǒng)辨識(shí)的一個(gè)重要的發(fā)展方向，一直是現(xiàn)代辨識(shí)領(lǐng)域中的一個(gè)主要

2、課題，對(duì)其研究有十分重要的理論和實(shí)際意義。非線性問(wèn)題的主要困難之一是一直缺乏描述各種非線性系統(tǒng)特性的統(tǒng)一的數(shù)學(xué)模型。為此，人們提出了多種類(lèi)型的模型，如塊聯(lián)模型、]1[神經(jīng)網(wǎng)絡(luò)模型、雙線性模型、非線性參數(shù)模型等等。]2[]3[Hammerstein模型屬于塊聯(lián)模型，由一個(gè)線性動(dòng)態(tài)系統(tǒng)跟隨一個(gè)非線性靜態(tài)模塊構(gòu)成。自從Narendra&Gallman1966年提出了Hammerstein模型后，由于模型結(jié)構(gòu)簡(jiǎn)]4[單且能有效地描述常見(jiàn)的非線性

3、動(dòng)態(tài)系統(tǒng)特性，所以許多學(xué)者相繼研究了Hammerstein模型參數(shù)的估計(jì)方法，近年來(lái)Hammerstein模型被廣泛地應(yīng)用于非線性系統(tǒng)辨識(shí)。辨識(shí)Hammerstein模型的意義在于：利用辨識(shí)結(jié)果獲得中間層輸出，選擇合適的性能指標(biāo)，就可以把原非線性系統(tǒng)的控制問(wèn)題分解為線性模塊的動(dòng)態(tài)優(yōu)化問(wèn)題和非線性模塊的靜態(tài)求根問(wèn)題，因此可以有效結(jié)合線性模型預(yù)測(cè)控制的成熟理論解決這類(lèi)非線性對(duì)象的控制問(wèn)題，避免傳統(tǒng)非線性控制方法計(jì)算量大，收斂性和閉環(huán)穩(wěn)定性不

4、能得到保證等諸多問(wèn)題。2、研究的基本內(nèi)容與模擬解決的主要問(wèn)題：針對(duì)Hammerstein模型的辨識(shí)問(wèn)題，可以歸結(jié)為線性模塊的動(dòng)態(tài)優(yōu)化問(wèn)題和非線性模塊的靜態(tài)求根問(wèn)題。因此研究的重點(diǎn)就是如何運(yùn)用比較新穎的優(yōu)化算法得到Hammerstein模型的參數(shù)解集，并能通過(guò)和傳統(tǒng)算法的比較論證闡述采用方法的合理性，可行性及有效性。具體需要解決的問(wèn)題包括以下幾點(diǎn)：1.什么是Hammerstein模型，它的基本結(jié)構(gòu)式怎么樣的；2.確定Hammerstein

5、非線性系統(tǒng)辨識(shí)的思想和實(shí)現(xiàn)方法；3.熟悉PSOBFO優(yōu)化算法和熟悉最小二乘法估計(jì)方法；則估計(jì)的偏差可以用以下準(zhǔn)則函數(shù)來(lái)衡量：（3）??????siikyikykJ02)](?)([)(其中，s為辨識(shí)窗口寬度，為根據(jù)估計(jì)模型計(jì)算出的輸出值。因此，問(wèn)題歸結(jié))(?ky為利用輸入輸出觀測(cè)序列和，極小化(3)式來(lái)估計(jì)參數(shù)的標(biāo)準(zhǔn)優(yōu)化問(wèn)題。所以)(ku)(ky可以采用最小二乘估計(jì)法和PSO算法來(lái)求(3)式的極值及其對(duì)應(yīng)的模型參數(shù)。2.最小二乘法原理最

6、小二乘法原理如確定多項(xiàng)式，對(duì)于一組數(shù)據(jù)（i=12…N）使得nnxaxaaxP???????10)()(iiyx達(dá)到極小，這里nN。21])([????NiiiyxP?實(shí)際上是的多元函數(shù)，即：?naaa10???211010][)(ininiNinyxaxaaaaa?????????????要使最小，可以用數(shù)學(xué)中求極值的方法即：?nkak00????????這種方法稱(chēng)為數(shù)據(jù)擬合的最小二乘法，即最小二乘法原理。]6[3.粒子群優(yōu)化算法粒子群

7、優(yōu)化算法PSO與大多數(shù)進(jìn)化計(jì)算技術(shù)一樣。是一種基于迭代的優(yōu)化算法，是通過(guò)初始化]7[一組隨機(jī)解，采用迭代搜索最優(yōu)值。故具有以下類(lèi)似過(guò)程：第1步：種群隨機(jī)初始化第2步：對(duì)種群內(nèi)的每一個(gè)個(gè)體計(jì)算適應(yīng)值(fitnessvalue)，適應(yīng)值與最優(yōu)解的距離直接有關(guān)。第3步：種群根據(jù)適應(yīng)值進(jìn)行復(fù)制。第4步：如果終止條件滿(mǎn)足。則停止；否則轉(zhuǎn)到第2步PSO算法中每個(gè)優(yōu)化問(wèn)題的解都有是搜索空間中的一只鳥(niǎo)，稱(chēng)為粒子。與其他進(jìn)化計(jì)算技術(shù)不同的是群體中的每個(gè)粒