基于结构自适应滤波方法的非线性系统辨识

• 作者: 冯子凯 刘名果 袁蒙恩 陈立家
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 结构自适应滤波 非线性系统辨识 子系统 线性-非线性
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 先进计算
• 页码范围: 2319-2326
• 页数: 8页
• 分类号: TP273
• 字数: 5083字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019111996

摘要

针对非线性系统辨识中定结构参数辨识局限性高和辨识率低的问题,将结构自适应引入辨识的优化,提出一种基于子系统的结构自适应滤波(SSAF)方法.该方法的模型由若干子系统级联而成,每一个子系统均为线性-非线性混合结构.子系统的线性部分是一个一阶或二阶可选的无限脉冲响应滤波器(IIR),非线性部分则是一个静态的非线性函数.初始化中,子系统的参数随机产生,生成的若干子系统按照设定的连接规则进行随机连接,而不含反馈的连接机制确保了非线性系统的有效性.采用一种自适应多精英引导的复合差分进化(AMECoDEs)算法用于自适应模型循环优化,直至找到最优的结构和参数,即全局最优.实验结果表明,SSAF方法在非线性测试函数以及真实数据集上的表现优异,辨识率高且收敛性好,与聚焦时滞递归神经网络(FTLRNN)相比,它所用参数的个数仅为FTLRNN的1/10,且适应值精度提高了7％,验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈立家	河南大学物理与电子学院	15	41	4.0	5.0
2	刘名果	河南大学物理与电子学院	6	8	2.0	2.0
3	袁蒙恩	河南大学物理与电子学院	2	0	0.0	0.0
4	冯子凯	河南大学物理与电子学院	2	0	0.0	0.0