共查询到10条相似文献,搜索用时 656 毫秒
1.
2.
一种非线性时变系统小波网络辨识算法 总被引:4,自引:0,他引:4
提出一种可对任意非线性时变系统进行辨识的新方法,即基于小波神经网络的带自校正移动窗的递推最小二乘算法,与现有的神经网络辨识算法不同,该算法是根据被估权值时变速度的快慢来自适应地调整移动窗的长度,以跟踪非线性时变系统的动态特性,文中推导了了算法,并将全局算法进一步推广成不含任何矩阵运算的局部算法以提高算法的实时性能,几个典型的系统辨识仿真实例显示出这种方法具有跟踪精度高和计算简便的良好性能。 相似文献
3.
针对运动状态下结构连接处的时变物理参数对研究结构动态特性与工程实际应用具有重要价值,提出了一种结构连接处时变非线性物理参数辨识方法。该方法利用每个子结构的动力学模型,将结构连接处的非线性恢复力作为模型的输入,利用最优控制理论与模糊数学的方法辨识出结构连接处的非线性恢复力,并应用子结构法计算出结构连接处的响应。最后利用最小二乘法拟合了非线性恢复力。计算出非线性恢复力的时变系数。仿真算例表明了该算法的有效性。 相似文献
4.
5.
6.
针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。 相似文献
7.
基于粒子群优化的时变系统辨识 总被引:2,自引:1,他引:1
提出了一种基于粒子群优化的时变系统辨识方法。其基本思想是将时变系统的辨识问题转化为非线性连续函数的在线优化问题 ,然后利用粒子群优化获得系统参数的最优估计。仿真结果显示 ,该方法对于时变参数具有很强的跟踪能力 ,与采用遗传算法的系统辨识方法相比 ,有实现简单、运算量小等特点。 相似文献
8.
用于回归估计的支持向量机方法 总被引:62,自引:4,他引:58
用于回归估计的支持向量机方法以可控制的精度逼近非线性函数,具有全局最优、良好泛化能力等优越性能,得到广泛的研究。描述了该方法的基本思想,着重讨论了V-SVM、最小二乘SVM、加权SVM、线性SVM等支持向量机的新方法,降低训练时间和减少计算复杂性的分解法、SMO及增量学习算法。在非线性系统参数辨识、预测预报、建模与控制研究中,支持向量机是很有发展前途的研究方法。 相似文献
9.
10.
提出了一种新的基于核函数的非线性系统辨识方法。该方法无须知道系统输入输出先验信息,首先对系统输入输出数据进行密度估计及聚类,自适应获取该数据隐含的类别数目及对应的核参数,得到系统的结构。进而利用这些核,将系统原始低维输入输出数据映射到高维空间获取新的输入输出数据,然后通过递归最小二乘方法获取系统的参数。仿真结果表明了该方法的有效性和自适应性。 相似文献