共查询到16条相似文献,搜索用时 46 毫秒
1.
基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性. 相似文献
2.
在实际包含间隙非线性的复杂结构中,由于间隙不易或无法测量,难以建立准确描述结构特性的动力学模型;即使间隙得到准确测量,也难以获得结构的标称线性系统的模态参数。为此,利用条件逆谱法和时域非线性子空间法,通过非线性系统辨识获得间隙非线性系数,同时获得非线性结构的标称线性系统的频响函数。以一个包含间隙非线性的二元翼段为例,通过数值方法模拟该二元翼段的地面振动试验,利用条件逆谱法和时域非线性子空间法开展该结构的非线性系统辨识。结果表明:两种方法均可准确地辨识结构的标称线性系统,条件逆谱法利用光滑函数近似,时域非线性子空间法利用多个分段线性函数重构,辨识得到间隙非线性系数。 相似文献
3.
基于ARMA时序模型的结构参数识别集员算法 总被引:2,自引:0,他引:2
研究在时域内利用含噪声观测数据识别结构参数问题.建立了与结构振动微分方程等价的自回归滑动平均(ARMA, Autoregressive Moving-Average)时序模型,将结构参数识别问题转换为ARMA模型参数辨识问题.在不确定但有界(UBB, Unknown-But-Bounded)噪声假设下,基于线性时不变系统参数集员辨识的区间算法,寻求与观测数据和噪声相容的参数的最小超长方体(或区间向量),进而得到结构参数的估计值.通过数值算例,将本文算法与最小二乘算法进行了比较,显示了其可行性和有效性. 相似文献
4.
对未扰零误差流形与受扰零误差流形进行了定义,讨论了两者的关系,给出了保证受扰零误差流形与未扰零误差流形的差有界时,系统所受的状态扰动应满足的条件;分析了受扰零误差流形上的输出调节,给出了受扰零误差流形上的输出调节误差满足指定性能指标时,系统所受的输出扰动应满意的条件。 相似文献
5.
基于对角回归网络的非线性系统建模 总被引:2,自引:0,他引:2
分析了非线性系统神经网络建模的规律,利用对角回归神经网络(DRNN)实现了非线性动态系统的辨识.辨识结构采用串并联模式,网络权值的调整为考虑时变因素的调整算法.与静态神经网络相比,基于DRNN的辨识方法显示出很强的处理动态问题的能力,无需辨别系统阶次,辨识结构简单,收敛速度快.仿真结果表明该方法是有效可行的. 相似文献
6.
飞行器在大包线范围内作机动飞行时,其舵面和发动机易达到饱和,该现象不仅会对闭环系统的稳定性造成影响,而且会大大缩短发动机等关键部件的使用寿命。针对该问题,设计了一种抗饱和非线性飞行控制方法。首先,建立飞行器的严格反馈非线性模型。然后,采用自适应反步设计思想设计得到舵控和发动机转速控制指令,由径向基函数(RBF)网络对建模误差进行逼近。针对控制饱和问题,分别设计了相应的抗饱和动态补偿系统。通过建立闭环控制系统的李雅普诺夫函数,由稳定性理论确定得到RBF网络的更新权值和抗饱和动态补偿系统的结构参数,确保所设计的闭环控制系统全局稳定。最后,仿真结果表明,在出现控制饱和时,抗饱和动态补偿系统可对控制指令进行实时修正,帮助系统较快脱离饱和状态,系统饱和时间缩短了30%~60%,同时具有较高的指令跟踪精度。 相似文献
7.
分析现有滑模控制算法特别是二阶滑模控制算法在抑制抖动和鲁棒性等方面所存在的问题,以仿射非线性系统为对象,针对近似时间最优的二阶滑模控制律收敛速度慢和抖振较大的问题,提出改进控制算法,通过设计适当的约束条件和修正滑模趋近加速度,提高了二阶滑模的响应速度,并在不损失鲁棒性的前提下削弱了抖振的频率和幅度.以单摆模型为例,分别对该算法和二阶Lyapunov函数法以及一阶指数趋近法进行仿真研究,仿真结果表明该算法适用于具有不确定性的非线性系统,并在削抖和快速响应方面具有相对优势. 相似文献
8.
提出了一种计算鲁棒的线性离散时间系统的椭球状态定界算法.算法假设系统的过程和量测噪声以及初始状态由已知椭球来定界,然后利用椭球集合来描述系统真实状态的可行集.算法的时间更新和量测更新过程分别产生两个椭球的向量和与交.算法对椭球形状矩阵进行Cholesky分解,使得当存在舍入误差时椭球形状矩阵保持正定.为了不受病态矩阵求逆的影响,算法的量测更新过程采用了求次最小容积椭球的方法.采用在数字计算机上进行蒙特卡洛仿真来检验算法的性能.结果表明算法的精度与最优算法十分接近,并且具有很好的计算鲁棒性.算法同时具有易于在并行计算机上运行的优点. 相似文献
应用非平稳时间序列的时变系统建模方法进行了参数随时间变化的线性系统参数的辨识.通过引入多尺度径向基函数(MRBF)将非平稳过程的辨识问题转化为线性时不变过程的辨识,结合粒子群优化算法(PSO)获得时变系统参数估计的最优径向基函数(RBF)尺度.由于RBF具有良好的局部特性且尺度可以调整,采用RBF作为基函数可以更好地识别具有多种动态过程的时变系统参数.通过对时变系数包含多种波形的二阶时变自回归模型进行仿真辨识,与采用传统的递推最小二乘法和勒让德多项式作为基函数展开式方法相比,提出的方法对于时变系统参数具有更好的跟踪能力,验证了辨识方法的有效性. 相似文献