子空间辨识方法在Hammerstein-Wiener系统中的应用

来源 :电脑知识与技术 | 被引量 : 0次 | 上传用户:ivy1128
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  摘要:针对Hammerstein-Wiener系统,提出一种适用的子空间辨识方法。该方法基于闭环Hammerstein-Wiener模型,通过递归变换ZLHankel矩阵中获取子空间预测输出,进而得到系统矩阵。通过生物发酵反应器的仿真结果说明了该方法的优越性。
  关键词:子空间辨识;子空间预测输出;Hammerstein-Wiener系统;生物发酵反应器
  中图分类号:TP273 文献标识码:A
  文章编号:1009-3044(2020)10-0258-02
  目前,Hammerstein、Wiener和Hammerstein-Wiener这三类非线性系统获得了越来越多的关注,其中的Hammerstein-Wiener系统可以通过一组围绕线性动态模块的两个静态非线性函数集合构成,非线性较强,已经成功应用于诸多工业过程。
  子空间辨识为一类状态空间模型的系统辨识算法,该算法已经在一些工业过程中得到应用,并取得了良好的控制效果。
  近年來,Hammerstein和Wiener系统的子空间辨识方法有一些研究,而Hammerstein-Wiener系统的子空间辨识方法研究较少。为此,本文提出一种针对Hammerstein-Wiener系统的闭环子空间辨识方法,得到系统矩阵。
  1子空间辨识方法
  2仿真实例
  生物发酵反应器系统是一个非线性较强的系统,可以通过Hammerstein-Wiener系统来表示。
  对输入采用变化±20%的高斯随机信号作为输人,采集系统输出,采样数和采样时间分别设定为600和1小时,对前150个采样数进行模型匹配分析,本文方法和文[3]中的线性时不变(LTI)方法所得到的辨识模型比较如图1所示,其中“Hammer-stein-Wiener model”为本文子空间辨识方法所得模型,“LTImodel”为文[3]LTI子空间辨识方法所得模型,“Rf”为实际输出。
  可以看出,Hammerstein-Wiener模型达到了较高的匹配精度。
  3结论
  针对非线性较强的Hammerstein-Wiener系统,提出一种闭环子空间辨识方法,该方法利用输出的非线性多项式,得到子空间预测输出,从而获得系统矩阵,通过生物发酵反应器的仿真实验,验证了方法的有效性。
其他文献
摘要:教育、人身安全、健康,每一个词汇都牵动着亿万人的心,创新是社会进步的中坚力量之一。把这几个词汇有机统一,本人设计了一款组成合理、功能丰富、原理科学的智能书包。  关键词:智能书包;学生;安全;健康;创新  中图分类号:TP319 文献标识码:A  文章编号:1009-3044(2020)10-0241-02  1概述  教育是立国之本,强国之基。康德说,“人只有通过教育才能成为一个人,人是教
在十二五规划中,教育部提出了要打造智慧校园,通过智慧校园的建设来促进学生和教师之间的良性互动,提高学校的教育教学管理能力和服务能力,让学生在学校拥有良好的体验和学习
12月13日,涪陵吉尔达专卖店开业。开业首日。不足100平方米专卖店人头攒动,消费者热情高涨,当日即销售138双皮鞋,给吉尔达涪陵专卖店贡献了42589元销售额。
摘要:YF27B型滤棒气力输送装置是常德烟机公司在已有产品YF27A型滤棒气力输送装置的基础上做重大升级改进而成的新型滤棒气力输送产品。根据客户的使用反馈,YF27B型滤棒气力输送装置存在着料位检测不准的情况,导致使用中会发生不必要停机的情况。YF27B型滤棒气力输送装置采用西门子S7-300PLC作为其控制系统,通过料仓上左右各一个光电开关和两个接近开关来检测料仓料位。料位检测程序用LAD(梯形
随着工业信息化、自动化程度的不断加强,我国对于计算机方面的人才需求也在与日俱增,因此作为培养人才的高校也大大重视计算机技术的教育。机房作为计算机课程的具体实现单位
摘要:当前交通拥堵已经成了常态,十字路口尤为严重。而现有的红绿灯控制大多采用固定配时方式,时常会出现不同方向上车流量不同但放行时间相同的,进而导致车辆堆积,造成路口交通拥塞,并且也可能出现交通盲指挥。为了使十字路口通行效率最大化,引入智能红绿灯系统是必须的。该文介绍了国内外智能红绿灯数十年的研究历程。并且提出了基于计算机视觉与云计算的智能红绿灯的研究探讨。应用智能红绿灯使各十字路口的车辆通行能力达
随着人工智能技术的发展以及数字图像处理技术的应用日渐普及,目标跟踪成为国内外学者的研究热点,该文针对无人机目标跟踪易受遮挡、形变、等复杂背景的干扰导致跟踪失败等问题提出一种基于自适应的粒子滤波的无人机目标跟踪算法。实验结果表明,该算法能有效地减少因复杂因素干扰导致的目标跟踪精度下降的问题,具有良好的鲁棒性。