Hammerstein模型的改进新型神经动力学辨识方法及其在混合建模中的应用

• 作者: 楚纪正 王双剑
• 来源期刊: 信息与控制
• 关键词: Hammerstein模型 神经动力学 非线性 混合模型
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 实际问题研讨
• 页码范围: 384-390
• 分类号: TP273
• 语种: 中文
• DOI: 10.3724/SP.J.1219.2012.00384

摘要

推导了多输入多输出Hammerstein模型的矩阵格式,并提出了一种改进的新型神经动力学算法.应用此算法,可同时辨识出Hammerstein模型的多组未知参数,提高了收敛精度和速度.首先,对改进的新型神经动力学算法进行了参数的收敛性分析.之后,推导了基于Hammerstein模型的混合模型,并利用其建立实际模型与机理模型之间的偏差模型,具有很好的补偿效果.由于改进的新型神经动力学方法可以在线调整Hammerstein模型参数,所以混合模型可以准确地模拟复杂过程在大范围内的动态行为.实验表明该方法的合理性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	楚纪正	北京化工大学信息科学与技术学院	61	235	7.0	13.0
2	王双剑	北京化工大学信息科学与技术学院	1	6	1.0	1.0