基于改进最小角回归算法的Hammerstein模型辨识

针对一类未知时滞和阶次的Hammerstein模型的辨识问题,本文提出一种基于绝对角度停止准则最小角回归(AS-LAR)的稀疏辨识方法,该方法可以同时辨识出Hammerstein模型的时滞、阶次和参数.首先,通过引入最大非线性阶次和输入回归长度,将系统表示成具有稀疏参数向量的高维辨识模型;然后,提出一种绝对角度停止准则,对最小角回归算法进行改进,并基于改进的AS-LAR算法获得稀疏参数向量的估计;最后,基于参数向量稀疏结构,估计出系统的时滞和阶次,并从估计的参数向量中提取和分离出系统线性部分和非线性部分的参数估计值.数值仿真和水箱实例结果表明,提出的辨识方法有效,且与其它辨识方法相比,具有估计...

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 41; no. 9; pp. 1644 - 1652
Main Authors 刘艳君, 范晋翔, 陈晶
Format Journal Article
LanguageChinese
Published 江南大学物联网工程学院,江苏无锡 214122%江南大学物联网工程学院,江苏无锡 214122%江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214122 01.09.2024
江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214122
Subjects
模型选择准则
Hammerstein model
稀疏系统辨识
model selection criteri-on
sparse system identification
least angle regressive algorithm
time-delay estimation
时滞估计
最小角回归算法
Hammerstein模型
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2023.20719

Cover

More Information
Summary:针对一类未知时滞和阶次的Hammerstein模型的辨识问题,本文提出一种基于绝对角度停止准则最小角回归(AS-LAR)的稀疏辨识方法,该方法可以同时辨识出Hammerstein模型的时滞、阶次和参数.首先,通过引入最大非线性阶次和输入回归长度,将系统表示成具有稀疏参数向量的高维辨识模型;然后,提出一种绝对角度停止准则,对最小角回归算法进行改进,并基于改进的AS-LAR算法获得稀疏参数向量的估计;最后,基于参数向量稀疏结构,估计出系统的时滞和阶次,并从估计的参数向量中提取和分离出系统线性部分和非线性部分的参数估计值.数值仿真和水箱实例结果表明,提出的辨识方法有效,且与其它辨识方法相比,具有估计精度高、计算量小、速度快等特点.
ISSN:1000-8152
DOI:10.7641/CTA.2023.20719