.png){kind=icon}
返回
Identification for generalized Hammerstein models with multiple switching linear dynamics
.png){kind=icon}
PRE
AI
DOI：10.1016/j.apm.2025.116001.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
广义Hammerstein模型被定义为具有特定结构的一类Hammerstein模型，由一个静态非线性子模型与多个切换动态线性子模型连接组成。它们为非线性系统的整体静态增益和变化的动态特性提供了独立的分层表示，便于非线性逆补偿和鲁棒控制器设计以实现高效控制。本文提出了一种用于辨识广义Hammerstein模型并测量其建模不确定性的方法。具体而言，建立了一个由多个有效性函数驱动的广义Hammerstein模型，并通过求解一个非线性非凸优化问题来估计其最优参数向量。根据模糊集理论，利用若干次优参数向量来测量广义Hammerstein模型的建模不确定性。这些向量具有如下性质：其目标函数值接近最优值，且其模拟输出能够再现部分测量输出。在数值和实验示例中，所提出的方法建立了一个广义Hammerstein模型，能够很好地描述具有变化动态特性的非线性系统，并提供了准确且紧凑的建模不确定性测量。相比之下，现有的Hammerstein模型辨识方法由于模型结构误差而得到不精确的结果。
Keyword:
Generalized Hammerstein model
Separate structured representation
Changing dynamic characteristics
Suboptimal parameter vectors
期刊
IF:
5.1
论文数:
1.3K
被引数:
2.8W
机构
引用论文
分享收藏A Novel Heavy Payload High-Resolution Actuator System: Design, Modeling, and Experiments.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏Multi-fidelity nonlinear unsteady aerodynamic modeling and uncertainty estimation based on Hierarchical Kriging基于分层Kriging的多保真度非线性非定常气动建模及不确定性估计
PREAI
分享收藏Key-term separation based hierarchical gradient approach for NN based Hammerstein battery model
PREAI
分享收藏
查看更多内容