基于小波网络与遗传算法的LTV系统建模新方法.pdfVIP

第6卷第2期 电路与系统学报 Vol6 No2 2001年6月 JOURNALoFCrRCUn’SANDSYSTEMS June．200l 006005 文章编号：1007—0249(2001)02 基于小波网络和遗传算法的L1-、，系统建模新方法+ 吕立华， 宋执环， 李平 上业挣制技术国家重点实验室、浙汀大学L址控制技术研究所．浙江杭州310027 擅■。 本文基于小波网络和遗传算法，提出一种用于ITv系统建模的二次回归方法。首先．利用小波网络 构造参数子模型，并采用Ls方法直接估计第二代参数；然后利用遗传算法和AIc确定参数子模型的结构，以获 得最终用于表示L1’v系统的二次回归方程。最后，给出仿真结果，验证了该方法的可行性和有效性。 关■词一 小波网络； 时变系统； 遗传算法： 二次回归 中文分类号t TPl3文献标识码-A 1 引言 采用小波变换研究线性时变(Linear 的关注…㈦。辨识时变系统最常用的方法是自适应算法，其基本假设是慢时变，但是如果时变系数的 变化与算法的收敛时间相比足够快，则自适应算法就不能跟踪系统随时间的变化，此外，它也无法对 时变系数建模。文【3】给出的二次回归方法把Ls方法和F检验方法结合起来．通过参数子模型结构的 辨识以实现LTv系统的经济建模。其基本思路是，首先通过自适应方法获得第一代参数，然后构造 参数子模型获得第二代参数，最后在两代参数的基础上，用F检验的方法确定参数子模型的结构， 再把参数子模型合起来得到二次回归方程。此法的基本假设是慢时变，但有两点明显不足：一是需要 估计两代参数，即相当于进行两次回归，比较繁琐；二是用随机的F检验方法确定模型的结构，效 率较低。 本文为了充分描述uw系统时变系数的局部和全局变化特性，利用文【4】提出的正交小波网络 wavelet (onh020nal 然后利用Ls方法直接估计第二代参数，并结合遗传算法和AIc，确定参数子模型的结构以实现时变 用于Tv．ARMAx和Tv．ARIMAx模型的辨识。 2问题的表述 一般处理时变系统的一个基本假设是，待辨识系统的参数出现显著变动的时间远大于系统的时间 常数，即慢时变。在这个前提下，对于具有时变参数模型的系统，采用自适应参数估计方法校正原定 参数．使模型的参数不断更新，始终反映出系统的特性。另一方面，既然时变模型的参数是随时间而 变动的，那么就有必要研究模型参数随时闻变化的规律。文【3】给出了利用参数子模型进行变量筛选 的二次回归方法，这里所谓的参数子模型是指，利用自适应参数估计方法得到的参数估值的时间序列 向量(也称第一代参数)而建立的参数模型，其中参数子模型中所包含的模型参数，称之为第二代参 数。二次回归方法的基本思路就是利用某种参数估计方法例如限定记忆的Ls方法，获得参数估值的 时间序列向量：然后对参数样本进行适当处理并结合时间序列向量构造参数子模型：再结合数理统 计学的基本方法例如f检验法，进行变量筛选；最后把经过处理的参数子模型和原始系统结合起来得 到二次回归模型。 这种二次回归方法对于慢时变系统可以获得较好的效果但比较繁琐。小波网络是近年来很受关注 的一类神经元网络，其结合了小波分析在联合时频空间局部化区域中描述函数特性的独特性能，已成 为一种系统建模的有利工具。本文利用文【4】给出的OwN并结合遗传算法给出了一种改进的二次回 收■日期。2000—09一11●订日期-2000一10—23 ‘盘璜目。国家自然科学基金项目和广东省现代拄制技术重点实验室项目资助 第2期 吕立华等：基于小波网络和遗传算法的IJv系统建模新方法 61 归方法，用于LTv系统的建模。这种改进的方法不仅突破了慢时变的限制，而且具有较高的效率。 3基于OWN的二次回归方法 可以分解为： v0=wloH=Ⅳjow20=Wow20··owLoK (1) v2一 尺度函数和小波，子空间w，，H‘，……，w。，yL相互正交㈣…。