导读:本文包含了非线性系统辨识论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:系统,模型,参数,神经网络,级数,马赫,悬臂梁。
非线性系统辨识论文文献综述
肖晓,王明春,张雨飞,吴君[1]（2019）在《基于改进人工蜂群算法的非线性系统参数辨识》一文中研究指出针对人工蜂群算法存在的收敛速度慢,易陷入局部最优等问题,提出一种结合遗传算法的交叉算子,并在算法后期引入高斯变异和混沌扰动的改进人工蜂群算法。为验证改进算法的性能和有效性,用典型测试函数进行对比测试,并将改进算法应用于非线性传递函数模型的参数辨识中。实验结果表明,改进的算法收敛速度快,收敛精度高,辨识效果好。(本文来源于《工业控制计算机》期刊2019年11期）
张婧瑜,艾科勇[2]（2019）在《一类非线性系统辨识模型的研究与应用》一文中研究指出针对一类非线性系统采用传统机理方法难以进行系统辨识,而现代工业大多采用DCS监控生产运行,每天都会产生并存储大量过程数据,提出一种基于数据驱动辨识非线性系统的方法.采集对象的过程I/O数据,采用RBF-NN和LS-SVM两种算法训练网络,构建非线性系统的辨识模型,并将文中所述方法应用于叁容水箱液位控制系统.实验结果表明两种算法均具有较好的辨识效果,能够精确预测水箱液位高度,文中所述方法能够适用于复杂非线性系统预测、预报及监测系统的运行.(本文来源于《河西学院学报》期刊2019年05期）
杨稀,臧朝平,周标,张根辈,王平[3]（2019）在《基于恒位移测试的转子系统非线性支承刚度参数辨识研究》一文中研究指出采用基于正弦扫频技术的恒位移测试方法来获取转子支承系统在一系列恒定位移幅值响应下的频响函数,并辨识转子支承的非线性刚度参数。首先对转子支承系统进行两端支承状态下的模态分析,得到转子系统在线性支承条件下的模态;然后采用正弦激励进行仿真测试,对转子支承进行不同水平的恒位移测试,通过模态分析得到不同响应水平下的模态参数,建立等效非线性参数与响应之间的关系,再结合等效线性化理论,识别非线性刚度参数。(本文来源于《机械制造与自动化》期刊2019年05期）
刘芳芳,任晓明[4]（2019）在《基于多新息最小二乘算法的非线性系统辨识》一文中研究指出针对最小二乘算法辨识性能较差问题,将最小二乘算法中的单新息通过利用p组数据拓展到多新息向量,提出了多新息最小二乘算法。与最小二乘相比,所提出的算法不仅利用了当前的系统信息,而且利用了过去的系统信息,进一步提高了参数辨识的精度和收敛速度。在所提出的算法中,为了减少冗余的参数辨识和算法计算量,利用关键性分离技术构造整体辨识模型。设计了辅助模型来替代系统中未知的中间变量,提高了参数估计的精度。对比仿真结果表明,所提出的算法具有比递归最小二乘算法更高的辨识精度和收敛速度。(本文来源于《自动化仪表》期刊2019年09期）
周华,龙新华,孟光[5]（2019）在《基于Volterra级数的分段非线性系统的参数辨识》一文中研究指出间隙广泛存在于诸如齿轮齿条、滚珠丝杆等机械传动机构中。间隙会导致动态传递误差,影响系统动态精度,严重时还损坏机构,缩短寿命。对带间隙的系统进行参数辨识,可以为控制或者消除间隙非线性带来的不利影响提供指导。本论文对一自由端带有附加质量且受间隙约束的悬臂梁系统开展了参数辨识研究。该研究中,首先基于Volterra级数辨识出对称分段非线性系统的中间部分,避免了传统方法在小振幅下的线性化假设。然后计算不同振幅下整个分段系统的峰值频率与中间部分峰值频率之比,从而辨识出分段系统的间隙值。最后根据谐波平衡法推导了分段非线性系统的等效刚度,并利用等效刚度辨识出间隙处的接触刚度值,结果表明采用该方法获得的间隙值、非线性刚度、接触刚度误差小于5%。(本文来源于《中国力学大会论文集（CCTAM 2019）》期刊2019-08-25）
毛亚文[6]（2019）在《输入非线性系统的多新息辨识方法》一文中研究指出非线性系统的辨识一直以来都是控制领域的研究难点和热点。输入非线性系统是一种典型的块结构模型,它能在线性系统的可处理性和非线性系统的精度之间提供了一个很好的折中,而被广泛应用于工业、经济和医药等领域。多新息辨识理论是通过扩展新息向量的维数提高观测数据使用率,从而改善算法的性能。本课题将多新息辨识理论与辨识领域的新技术和思想结合,研究有色噪声干扰下的输入非线性系统的辨识问题。论文主要成果如下。(1)针对输入非线性方程误差系统,利用过参数化方法,推导了基于过参数化的多新息梯度辨识算法。为降低有色噪声对参数估计的影响,获取更高的参数估计精度,利用线性滤波器对输入输出数据进行滤波,“白色化”有色噪声,提出了基于过参数化的滤波多新息梯度辨识算法,并进一步将提出的算法推广到多变量输入非线性方程误差系统的辨识。(2)针对输入非线性方程误差系统,为了避免过参数化方法导致的冗余参数问题,利用关键项分离方法参数化系统,得到不含有冗余参数的辨识模型,并结合数据滤波技术,提出了基于关键项分离的滤波多新息梯度辨识算法。此外,论文提出了新的参数化方法—参数分离方法,其基本思想是利用线性滤波器解除线性和非线性模块的参数乘积关系,使系统所有参数分离开且显性出现在模型描述中。并基于该方法提出了基于参数分离的多新息梯度辨识算法。(3)针对输入非线性输出误差系统,基于其双线性参数模型,通过构造两个增广信息向量,将模型分解成两个子辨识模型,并借助于辅助模型辨识思想和递阶辨识原理,利用辅助模型输出代替未知中间变量,实现子模型中参数向量的交互估计,提出了基于双线性参数模型分解的辅助模型多新息梯度辨识算法,该方法可避免辨识冗余参数且计算效率高。(4)针对多变量输入非线性输出误差系统,利用关键项分离方法和Kronecker积运算,推导了基于关键项分离的辅助模型多变量多新息梯度辨识算法。为避免Kronecker积运算造成的信息矩阵维数大和计算量大的问题,根据参数类别(参数向量或矩阵),利用分解技术将模型分解成多个子模型,提出了基于关键项分离的分解辅助模型多变量多新息梯度辨识算法。论文中对所提出的一些辨识方法进行了数值仿真,验证了提出的算法的参数估计性能。并对其中的一些算法的计算量进行了分析和比较。(本文来源于《江南大学》期刊2019-07-01）
刘迪,魏顺行,徐恭贤[7]（2019）在《甘油间歇生物歧化非线性系统的参数辨识》一文中研究指出研究了甘油间歇生物歧化非线性系统的参数辨识问题.针对甘油间歇生物歧化过程的非线性常微分方程系统,首先给出了以代谢物浓度误差与斜率误差之和为优化目标、以甘油间歇生物歧化过程的非线性常微分方程系统为约束的参数辨识动态优化问题;然后基于改进的欧拉法将动态优化问题中的常微分方程组近似表示为代数方程组,从而可将原动态优化问题转化为非线性规划问题;最后利用粒子群算法求解得到的非线性规划问题.与已有文献相比,本文获得了更好的参数辨识结果,为构建甘油间歇生物歧化过程的非线性系统提供理论指导.(本文来源于《渤海大学学报(自然科学版)》期刊2019年02期）
刘鑫[8]（2019）在《非理想数据条件下非线性系统辨识方法研究》一文中研究指出对于现代工业而言,绝大多数生产过程都属于非线性过程并且通常都会呈现出复杂的内部机制和非线性特征。如此一来,利用传统的质量、动量、热量守恒等第一建模准则对实际的生产过程建模便会显得非常费时、费力。甚至有些时候,由于不能完全理解生产过程的复杂内部机制,使得利用第一建模准则得到的模型精度大大降低。由于过程数据中包含着丰富的过程动态信息,基于过程数据的系统辨识作为另一类建模方法,因其易于实现且不需要深入理解复杂过程的内部机制,正受到越来越多的关注和研究。但是对于实际的工业过程而言,在采集辨识数据过程中由于传感器的故障、过程数据获取方式不同、未知的外界干扰等因素的存在,常常会出现数据缺失、辨识数据双率采样、辨识数据中包含未知时滞以及异常值等问题。上述实际的辨识问题,会使采集到的辨识数据不那么理想并且数据集的数据质量急剧下降,这也对系统辨识算法提出更高的要求。本文在上述辨识问题存在的条件下,考虑了非线性系统的辨识问题,分别研究了特殊的线性变参数模型和一般的非线性状态空间模型的辨识算法。首先在非理想数据的条件下研究线性变参数模型的辨识算法,线性变参数模型有着线性的模型结构以及变化的模型参数,因其能够精确地描述非线性系统的动态特性而受到广泛的关注。然后将研究的辨识问题推广到非线性状态空间模型的辨识中去,得到更具一般性的辨识算法。本文的主要研究内容可概括如下:在输出数据慢率采样且输出数据包含异常值的条件下,研究了线性变参数时滞系统辨识问题。系统的输入数据采用快率采样而输出数据采用慢率采样,并且认为慢率采样的周期是快率采样周期的整数倍。系统未知的输出量测时滞是时变的,并且假设该时变时滞在已知的取值范围内服从均匀分布。将时滞当成隐含变量来处理,在输出数据慢率采样的基础上利用期望最大化算法和重尾的拉普拉斯分布建立鲁棒辨识框架。在给出模型参数估计公式的同时,通过最大化时滞的后验概率密度函数来估计未知的时滞。研究了线性变参数马尔科夫时滞系统的鲁棒辨识问题。利用全局辨识的思想,将模型参数写成调度变量的亚纯函数的线性组合形式。考虑了系统在各采样时刻,时变时滞的互相关性并且利用一阶马尔科夫过程对这种互相关性进行数学建模。一阶马尔科夫过程主要包含一个初始概率分布向量和一个转移概率矩阵,它们共同决定了时滞的变化机制。利用期望最大化算法,同时推导得到模型参数以及初始概率分布向量和转移概率矩阵中各元素的迭代估计公式。研究了非线性状态空间系统的鲁棒多模型辨识问题。利用局部辨识的思想,在预先选定的工作点处利用非线性状态空间模型表示非线性过程的局部子模型。在每个采样时刻,非线性过程的全局输出可以表示为各子模型输出的加权组合形式,并且采用平滑的指数函数来计算各子模型的权重。基于期望最大化算法和拉普拉斯分布推导得到鲁棒辨识算法,在得到各子模型参数估计的同时,通过优化一个非线性代价函数来得到各子模型的有效宽度。在输出变量和状态变量之间存在未知的定常时滞条件下,研究了非线性状态空间时滞系统的鲁棒辨识问题。将未知时滞当成隐含变量来处理,假定其取值范围已知并且在该范围内服从均匀分布。基于期望最大化算法将辨识问题公式化,为了顺利地计算Q-函数,在辨识过程中引入含有未知时滞的状态空间辅助模型,采用粒子滤波算法来数值计算状态变量的后验概率密度函数。在辨识过程中,同时给出了模型参数以及未知时滞的迭代估计公式。在输出数据部分随机丢失的情况下,研究了非线性状态空间模型的鲁棒辨识问题。采用期望最大化算法和重尾的学生氏t分布建立鲁棒的统计辨识框架,不仅考虑了缺失输出数据的估计值,同时考虑了缺失数据的取该估计值的概率。详细地阐述了基于缺失输出数据的粒子滤波算法,并用此算法迭代估计状态变量的后验概率函数,降低了Q-函数的计算复杂度。在得到模型参数估计的同时,通过求解一个非线性方程以得到学生氏t分布的自由度参数估计值。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
林海龙[9]（2019）在《基于深度神经网络的非线性系统辨识研究》一文中研究指出非线性系统辨识是科学研究与工程控制的研究重点领域,现阶段对于非线性系统特性分析方法有微分几何法、Hammerstein-Wiener法、迭代法等。但是这些分析方法在分析非线性系统辨识上仍存在偏差,无法精确建模与辨识非线性系统,主要原因是这些方法是通过牺牲非线性系统部分非线性特征。若将这些方法应用于处理复杂非线性系统,则会导致估计的偏差进一步加大。因此为了提高对非线性系统建模与辨识精度,本文展开对复杂非线性系统模型特性研究,提出一种精确建模与辨识复杂非线性系统的方案。本文回顾了前人在非线性系统建模与辨识方面的工作,从信号预处理、非线性系统建模到非线性系统参数辨识,研究并分析其中的理论以及所存在的不足之处,从而提出结合深度神经网络与傅里叶级数来完成对复杂非线性系统的精确建模与多参数辨识的方案。本文首先引入深度神经网络理论为后续研究提供基础,之后在具体方案实现中以马赫泽德干涉模型为研究对象。在具体研究中,本文分析了模型函数方程,建立了模型与傅里叶级数理论的结构关系,实现了对干涉模型的建模。通过深度神经网络理论与实验分析,本文确定了深度神经网络的超参数结构设置。在利用小波阈值去噪方法对信号降噪的基础上,将辨识方案应用解决干涉模型,实验结果表明本文所提出的方案可以精确建模并辨识复杂非线性系统,使得辨识值与真实值达到误差最小。(本文来源于《广州大学》期刊2019-05-01）
潘云凤[10]（2019）在《压电陶瓷执行器迟滞非线性系统的辨识及控制算法研究》一文中研究指出以压电陶瓷作为位移检测传感器的微执行器具有体积小、能耗低、定位准确等优点,但其固有的迟滞特性,使得它难以在超精密定位系统中完全发挥作用。与宏执行器相比,压电陶瓷材料的微执行器行程短、控制方案复杂。这使得对压电陶瓷执行器的迟滞特性进行精确建模,并设计简洁的控制方案,成为了学术界及工业界亟待解决的问题。智能算法作为新兴的研究策略,以其高效性、健壮性、自适应性,在建模和控制领域逐渐发挥作用。本文基于智能算法,在迟滞非线性系统辨识与控制方法方面展开研究。具体研究内容如下:(1)提出了一种基于Hammerstein系统的两阶段辨识方法,用于含有迟滞非线性的压电陶瓷执行器的建模。第一阶段是采用一种preisach类迟滞算子,将迟滞的多值映射转为单值映射。再结合等距映射法将多维迟滞数据映射到低维空间。然后将经处理的低频数据输入改进的极限学习机进行训练,得到静态迟滞模型参数;第二阶段是把经过同样处理的高频迟滞数据输入参数已知的极限学习机模型,得到Hammerstein模型的中间变量。再用自回归各态历经(Autoregressive Exogenous,ARX)模型建立动态线性部分的模型,采用递推最小二乘法得到模型的动态参数,实验结果证明了该辨识方法的可行性。(2)提出了一种基于Backlash描述函数算子的辨识方法,用于精密定位系统中压电陶瓷执行器的迟滞非线性特性建模。该方法引入了一个新颖的Backlash描述函数迟滞算子来描述迟滞非线性的轮廓,并利用扩展的输入空间方法将迟滞特性的多值映射转换为单值映射。采用引力搜索算法优化支持向量回归机,建立了静态模型。基于ARX模型表征率相关迟滞环,进而建立Hammerstein级联模型。对实际的精密定位系统采集了数据进行测试,通过电容传感器获取压电陶瓷执行器在给定电压下的位移值,进行了模型验证。测试结果表明,基于本文方法所建模型精度高,辨识过程简便且易于工程实现。(3)针对含有迟滞非线性的压电陶瓷执行器的控制问题,考虑一类具有输入饱和非线性的迟滞非线性系统,提出了一种反演预设性能控制方法。采用能分离出扰动项的Backlash-Like微分方程模型来表征系统中的迟滞非线性,结合神经网络算法逼近该迟滞模型解耦的扰动项,通过改进的预设性能函数和误差变换方法建立系统等效误差模型,设计反演预设性能控制器;而输入受限问题则单独设计辅助抗饱和补偿器来解决。基于李雅普诺夫稳定理论进行了稳定性分析,并仿真验证了该控制方法的可行性。(本文来源于《浙江理工大学》期刊2019-03-06）
非线性系统辨识论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对一类非线性系统采用传统机理方法难以进行系统辨识,而现代工业大多采用DCS监控生产运行,每天都会产生并存储大量过程数据,提出一种基于数据驱动辨识非线性系统的方法.采集对象的过程I/O数据,采用RBF-NN和LS-SVM两种算法训练网络,构建非线性系统的辨识模型,并将文中所述方法应用于叁容水箱液位控制系统.实验结果表明两种算法均具有较好的辨识效果,能够精确预测水箱液位高度,文中所述方法能够适用于复杂非线性系统预测、预报及监测系统的运行.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性系统辨识论文参考文献
[1].肖晓,王明春,张雨飞,吴君.基于改进人工蜂群算法的非线性系统参数辨识[J].工业控制计算机.2019
[2].张婧瑜,艾科勇.一类非线性系统辨识模型的研究与应用[J].河西学院学报.2019
[3].杨稀,臧朝平,周标,张根辈,王平.基于恒位移测试的转子系统非线性支承刚度参数辨识研究[J].机械制造与自动化.2019
[4].刘芳芳,任晓明.基于多新息最小二乘算法的非线性系统辨识[J].自动化仪表.2019
[5].周华,龙新华,孟光.基于Volterra级数的分段非线性系统的参数辨识[C].中国力学大会论文集（CCTAM2019）.2019
[6].毛亚文.输入非线性系统的多新息辨识方法[D].江南大学.2019
[7].刘迪,魏顺行,徐恭贤.甘油间歇生物歧化非线性系统的参数辨识[J].渤海大学学报(自然科学版).2019
[8].刘鑫.非理想数据条件下非线性系统辨识方法研究[D].哈尔滨工业大学.2019
[9].林海龙.基于深度神经网络的非线性系统辨识研究[D].广州大学.2019
[10].潘云凤.压电陶瓷执行器迟滞非线性系统的辨识及控制算法研究[D].浙江理工大学.2019
论文知识图
