基于逼近理论的线性/非线性建模

针对ARMA模型(包括AR、MA模型)不适用于非线性、非平稳系统的问题,分析了Weierstrass逼近定理,并指出了其工程应用的可行性.在传统系统辨识的基础上,对照典型的输入/输出模型,针对不同的输入形式提出了3种不同的模型表达式,由数据可以直接计算模型参数,而无需用模拟方法先求传递函数,这对工程应用具有十分重要的意义.然后,针对模型定阶,分析了传统AIC准则存在的问题,提出了DIC准则.DIC准则不仅适用于线性/非线性建模,也可用于随机过程的建模.最后,将GNPAX模型应用于钢板冲击信号的建模.结果表明,通过模型参数的变化,GNPAX模型能准确识别钢板的结构损伤,识别精度高于AR,GNPA和ARX模型.     

一种线性/非线性自回归模型及其在建模和预测中的应用

为提高模型准确性,在经典时序建模策略的基础上,提出了一种带有外部输入的线性/非线性自回归模型,并应用Weierstrass逼近定理推导出其一般表达式(GNARX),该模型允许带有多个外部输入以实现复杂系统的建模和辨识.针对该模型结构给出了其最小二乘参数估计方法,并采用结合建模误差、预测误差及模型复杂度的修正信息准则(AIC)确定最优模型结构.最后,将该模型应用于仿真数据和振动位移采样电流数据的建模与预测.结果表明,GNARX模型的建模和预测精度均高于AR,GNAR,ARX模型及BP神经网络模型,表现出良好的线性/非线性建模和预测能力,及较好的通用性和实用价值.