基于可分离组合式信号的Hammerstein输出误差滑动平均系统辨识研究

考虑实际生产过程中的不可测噪声,提出一种基于可分离组合式信号的Hammerstein输出误差滑动平均系统辨识方法.通过可分离组合式信号源实现了Hammerstein输出误差滑动平均系统中静态非线性环节和动态线性环节的分离,解决了中间不可测变量的估计问题.基于辅助模型辨识思想和相关分析法估计Hammerstein输出误差滑动平均系统中静态非线性和动态线性环节的参数,避免了采用迭代法辨识Hammerstein模型时存在模型参数初始化和收敛性难以证明的问题,并有效补偿噪声信号的干扰.仿真结果验证了上述方法的有效性.     

变量带误差系统的递推辨识:从线性到非线性系统

介绍变量带误差(EIV)系统的递推辨识方法.在引言中扼要介绍了EIV系统辨识的现状后,分别对多变量线性EIV系统及EIV Hammerstein系统给出了递推辨识算法,并给出条件使这些估计以概率1收敛到真值.最后提出了一些值得进一步研究的问题.     

几类典型随机非线性系统的辨识

考察实际中常见的三类典型随机非线性系统(即Wiener、Hammerstein和NARX系统)的辨识,首先概述了现有的递推和非递推辨识算法,然后介绍这三类系统的一个统一辨识框架:利用系统所确定的过程的马氏性及混合型,将辨识转化为求函数零点的问题,基于扩张截尾的随机逼近算法,得到了递推、强一致的辨识结果,并给出了数值模拟验证辨识算法收敛到真值.     

基于小波包分解的非线性时变系统辩识

在实际应用中,经常会碰到非线性时变系统,它们的辨识和建模比较困难．本文采用时变Hammerstein模型描述时变非线性系统．该模型可以以较简单的方式刻划系统的时变特性和非线性特性．然后用小波包对时变系数进行展开,把时变系统的辨识转化为对时不变系数的辨识．     

广义e-ω-凹算子的不动点及其应用

给出广义e-ω-凹算子的定义,在假设算子A不是锥映射的前提下,得到了广义e-ω-凹算子的不动点的存在唯一性以及单调迭代列.最后,将主要结果应用到一类Hammerstein型积分方程中去.     

不完备直觉模糊信息系统属性约简新方法

为了解决不完备直觉模糊(决策)信息系统属性约简问题,首先利用属性值贴近度和阈值λ构建不完备直觉模糊信息系统的广义λ-容差关系,然后利用此广义λ-容差关系来定义不完备直觉模糊(决策)信息系统的广义λ-可辨识矩阵,再后根据广义λ-可辨识矩阵构造不完备直觉模糊(决策)信息系统的广义λ-辨识公式,最后通过所构造的广义λ-辨识公式的极小析取范式可以唯一确定不完备直觉模糊(决策)信息系统所有(相对)约简。通过算例说明所介绍的属性约简方法的科学性和有效性。     

扩展截尾的随机逼近算法

注意到系统控制及相关领域中相当一类问题可归结为参数估计,而后者又可转化为未知函数的求根问题,首先介绍用带噪声量测递推地求根方法,即经典的随机逼近算法,并针对它的不足,引入扩展截尾的随机逼近算法(SAAWET),给出它的一般收敛定理.接着介绍应用SAAWET解决线性随机系统系数辨识及定阶, Hammerstein,Wiener,NARX等非线性系统的辨识,非线性随机系统的迭代学习控制及适应调节,以及其它一些问题.所给出的估计都是递推的,并且以概率1收敛到真值.     

Hénon混沌系统的模糊广义预测控制与同步

针对Hénon混沌系统,本文给出了一种基于T-S模糊模型的混沌系统广义预测控制算法。该方法将模糊辨识和广义预测控制结合起来应用到Hénon混沌系统中。首先,应用T-S模糊模型对Hénon混沌系统进行辨识,模糊聚类法辨识模型的前件参数,递推最小二乘法辨识结论参数。基于辨识模型,采用广义预测控制算法对其进行控制,实现了系统的跟踪与同步。仿真结果表明,与其它算法相比,该算法能够保证系统输出快速、有效地跟踪设定值。     

用函数求根法解系统控制问题

提供了一大类系统控制问题的求解路线.当所考察的问题可转化为参数估计时,可以把问题进一步转化为未知回归函数求根(根即待估参数)的问题,而扩展截尾的随机逼近算法是解决这类求根问题的恰当工具.给出了算法的一般收敛定理,它已在一系列系统控制问题中得到应用.以ARMA过程的辨识,Hammerstein系统的适应调节为例,展示了上述求解路线的具体实现,并附有相应的模拟计算实例.这种方法提供的估计是递推的,并且以概率1收敛到真值.     

典型非线性模型的模糊辨识逼近精度分析

人们根据非线性系统的复杂特性归结了几种具有代表性的非线性模型.而模糊辨识方法是辨识非线性系统的有力工具,本文采用T-S模糊模型对三种常见的非线性模型:Hammerstein模型,Wiener模型和双线性模型进行逼近,并根据仿真数据研究不同的非线性结构对模糊模型逼近精度的影响.仿真实例是在训练和检验数据组数、模型阶数相同的情况下,采用三角形隶属函数,聚类型隶属函数和高斯型隶属函数分别对这三种非线性模型进行逼近能力的研究.     

非线性结构向量自回归因果图的广义似然比辨识方法

利用图模型方法研究非线性结构向量自回归模型的因果性问题.构建了非线性结构向量自回归因果图模型,提出图模型因果性的广义似然比辨识方法.构造同期因果关系和滞后因果关系的广义似然比统计量,使用bootstrap方法来确定检验统计量的原分布,模拟研究论述了方法的有效性.     

不协调序决策信息系统的广义分配约简

在不协调序决策信息系统中,为了保证原有系统的协调性,结合优势原理,定义了形式更简单并且能更好的反映系统协调性的广义分配函数,提出了广义分配约简的概念,并给出了广义分配约简的辨识矩阵约简方法,理论分析和实例表明该方法是正确且有效率的。     

AR模型辨识的稀疏结构迭代算法

模型估计是机器学习领域一个重要的研究内容,动态数据的模型估计是系统辨识和系统控制的基础.针对AR时间序列模型辨识问题,证明了在给定阶数下AR模型参数的最小二乘估计本质上也是一种矩估计.根据结构风险最小化原理,通过对模型拟合度和模型复杂度的折衷,提出了基于稀疏结构迭代的AR序列模型估计算法,并讨论了基于广义岭估计的最优正则化参数选取规则.数值结果表明,方法能以节省参数的方式有效地实现AR模型的辨识,比矩估计法结果有明显改善.     

非线性Hammerstein型积分方程正解的存在性及其应用

本文利用拓扑0度理论研究了非线性Hammerstein型积分方程正解的存在性,并给出了对非线性Sturm-LiouviIle问题的应用,与已知文献不同的是本文没有利用锥理论。     

超线性Hammerstein型积分方程的非零解及其应用

本文利用锥理论研究了映射I-A的拓扑度计算问题,其中A不假定是锥映射。我们证明了一个一般性定理。利用这个定理,我们研究了超线性Hammerstein型积分方程非零解的存在性问题,并应用于超线性Sturm-Liouville问题。     

拓扑度计算定理及其应用

利用半序方法和不动点指数理论,建立了一个非锥映射全连续算子拓扑度为1的新的计算定理.作为应用,考虑了Hammerstein积分方程的非平凡解存在性问题.     

奇异Hammerstein型积分方程解的存在性

本文讨论奇异Hammerstein型积分方程u λAFu=h1其中称该方程是奇异的，是指算子F的定义域不一定包含算子A的值域．利用Orlicz空间的一个嵌入性质，给出了奇异Hammerstein积分方程解的一个存在条件．     

用互相关方法在线辨识线性多变量系统

至今为止,线性单变量系统的递推辨识已经有了许多有效的算法。相形之下,线性多变量系统的递推辨识有效算法要少的多。这些算法包括EL—Sherief和Sinha(1978)提出的递推最小二乘和随机逼近相结合的算法[1];Sinha和Kwong(1979)提出的广义最小二乘方法[2];Gauthier和Landau     

定点非扩张凝聚映象的不动点及应用

目的是研究定点非扩张凝聚映象的不动点的存在问题，然后用所得的新结果去研究非线性的УpъICOH和Hammerstein积分方程的非平凡解和解的存在性，得到了新的可解定理。     

一类非线性积分方程的固有值及其对两点边值问题的应用

<正> 本文用Banach空间中全连续算子的Leray-Schauder度理论讨论了一类Hammerstein型非线性积分方程的固有值与固有函数的存在性问题,所得到的结果可应用于一类常微分方程的两点边值问题及一类特殊的周期解问题.