基于fde-svr的非线性系统辨识.pdfVIP

第24卷第3期 河南机电高等专科学校学报 V01．24No．3 2016年5月 JournalofHenanMechanicalandElectrical EngineeringCollege May．2016 基于FDE．SVR的非线性系统辨识 王鲜芳，张帅 3007) (河南师范大学计算机与信息工程学院，河南新乡45 DifferentialEvolution 摘要：针对非线性系统辨识中模型难以确定的问题，提出一种基于FDE—SVR(Fuzzy Vectot Support s Regre 验表明：FDE—SVR辨识可以忽略模型的具体结构，辨识得到的模型具有较高的精度，最终验证该模型的泛化 性。 关键词：系统辨识；支持向量机；模糊集；差分进化 中图分类号：TPl83 文献标识码：A 文章编号：】008-2093(2016)03—0006—05 模型；最后通过仿真实验证明该设计的有效性。 0 引言 1 在实际工业生产过程中，大部分系统是非线性 的，如果想要准确地控制一个非线性系统，就要对 基于SVR的非线性系统辨识的结构详细为： 非线性系统的模型进行辨识，才能实施控制或者故 障诊断”‘21。传统的线性系统辨识理论尽管比较成熟， 但难以在非线性系统中应用，因此设计一种针对非 线性系统智能辨识方法尤为重要。 Vector 基于支持向量回归机(Support Regression)的非线性系统识别是一种新兴的辨识方 法，能够有效地处理非线性、高维数据，并且具有 较强的泛化能力。这些特点使得SVR非常适合于非 线性系统辨识。王文栋”】等提出了基于SVR的控制 系统辨识建模研究，吴德会H】利用SVR来进行非线 图1 基于SVR的结构框架 性动态系统的辨识。但是SVR参数的确定过程比较 图1中，m为输入延迟，胛为输出延迟，口为系 繁琐和困难，针对参数确定困难的问题，本文提出 统输出对输入的总时延数，且一般情况下，“为控 了基于FDE的SVR参数选择方法，并用该方法得 制系统的辨识信号Y为控制系统的输出信号，哥为 到的最优参数进行非线性系统辨识。 基于FDE．SVR的非线性系统辨识的主要步骤： 延系统。辨识目的就是用SVR模型代替被控制对象 首先使用FDE自动获取SVR最优相关参数；得到 得到矿，作为被控对象的输出。 最优参数以后，把最优参数代入SVR中进行非线性 1．1 SVR基本原理 系统辨识；辨识得到相应的非线性系统模型后，使 Vector 支持向量机(Support 用典型信号验证得到基于FDE．SVR的非线性系统