论文摘要
随着科学技术的发展,现代工业过程变得越来越复杂,了解复杂对象的详细行为特征也越来越困难。基于观测数据通过系统辨识方法获取的对象数学模型,是人们对系统分析及控制的基础。近几十年来系统辨识方法已成为复杂非线性系统研究的重要手段,在各工程领域都得到广泛应用,然而,由于实际对象的复杂性,现有的辨识方法还存在着难以克服的困难,还有进一步研究的必要。基因表达式编程(GEP)技术是近几年来发展起来的全局优化搜索技术,其超强的搜索能力和极高的进化效率,使它迅速在许多领域里得到了应用。本文利用GEP技术,以模型的可解释性、简单实用性和辨识智能化为研究目标,研究了非线性模型辨识的进化方法,其主要内容可概括如下:1.给出了利用GEP进行系统辨识的基本思想和实现框架,结合遗传算法、模拟退火算法和粒子群优化算法,提出了一种从GEP表达式中进行常量提取和常量优化的方法,进行了静态非线性系统和时间序列预测模型辨识的研究,通过实验验证了算法的稳定性和优越性。2.分析了进化算法对动态系统进行建模的不足,提出了一种独特的动态项生成方案,引入可变终止符集概念,可以自由地生成动态系统所需的动态项。通过仿真实验验证了可变终止符集具有较高的性能。3.根据NARMAX模型和GEP多基因染色体的特点,提出了利用GEP进行各类NARMAX模型的系统辨识方法,给出了更加有效的模型描述方式,简化了染色体到模型的映射机制。4.提出了GEP算法进行Hammerstein模型辨识的方案,通过加入一些超越函数,扩展了Hammerstein模型非线性部分的函数形式,有效地降低了模型非线性部分的项数。5.分析了现有系统建模中多目标方案的不足,提出了更加有效的综合精度和复杂度指标的多目标优化方案,并以多项式NARMAX模型的辨识算法为例,给出了具体的实现过程。定义了精度阈值和复杂度指标上限值,通过自调整方式,将进化种群中的有效解控制在预定义的范围内。克服了原有多目标优化算法有效解过多、容易使进化早熟的缺点,最终得到一组复杂度和精确度取得很好平衡的模型。
论文目录
相关论文文献
- [1].非线性系统辨识在伺服系统建模中的运用研究[J]. 吉林广播电视大学学报 2020(03)
- [2].基于径向基神经网络的非线性系统辨识[J]. 中国新通信 2017(08)
- [3].基于合作协同进化算法的非线性系统辨识研究[J]. 现代商贸工业 2017(23)
- [4].基于基因表达式编程的非线性系统辨识研究[J]. 系统仿真学报 2008(07)
- [5].一种基于支持向量机的非线性系统辨识方法[J]. 太原科技大学学报 2010(05)
- [6].基础激励下含间隙折叠舵面非线性系统辨识[J]. 振动与冲击 2020(04)
- [7].非线性系统辨识方法研究[J]. 计算机工程与应用 2010(06)
- [8].基于遗忘机制的神经网络非线性系统辨识[J]. 东莞理工学院学报 2016(03)
- [9].基于遗传算法的非线性系统辨识的研究[J]. 黑龙江大学自然科学学报 2014(03)
- [10].基于量子遗传算法的非线性系统辨识[J]. 计算机仿真 2014(03)
- [11].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(05)
- [12].基于FDE-SVR的非线性系统辨识[J]. 河南机电高等专科学校学报 2016(03)
- [13].基于多基因GEP的非线性系统辨识方法[J]. 微计算机信息 2008(13)
- [14].基于Kernel-SOM的非线性系统辨识及模型运行收敛性分析[J]. 电子与信息学报 2008(08)
- [15].一种用于非线性系统辨识与控制的自组织模糊神经网络[J]. 华东理工大学学报(自然科学版) 2016(06)
- [16].基于遗传编程的非线性系统研究[J]. 河南机电高等专科学校学报 2011(03)
- [17].基于进化粒子群优化的非线性系统辨识[J]. 计算机仿真 2010(10)
- [18].基于智能计算的非线性系统辨识算法研究及其应用[J]. 科技创新导报 2015(26)
- [19].基于参数化时频分析的非线性振动系统参数辨识[J]. 力学学报 2013(06)
- [20].基于自适应种群小生境算法的非线性系统辨识[J]. 西北大学学报(自然科学版) 2015(05)
- [21].PID神经网络的非线性系统辨识与控制问题分析[J]. 数码世界 2018(02)
- [22].非线性系统的神经-模糊建模方法的研究[J]. 江西农业学报 2008(09)
- [23].一种基于粒子群优化的非线性系统辨识方法[J]. 控制与决策 2011(11)
- [24].基于遗传编程的非线性系统辨识[J]. 控制工程 2009(01)
- [25].非线性系统辨识[J]. 微计算机信息 2009(09)
- [26].神经网络模型在振动筛裂纹发展中的应用[J]. 自动化技术与应用 2016(09)
- [27].粒子群优化神经网络算法在非线性系统辨识中的应用研究[J]. 计算机与数字工程 2013(08)
- [28].基于自适应遗传算法的多项式模型结构与参数的一体化辨识[J]. 控制与决策 2011(05)
- [29].基于扩展Hammerstein系统辨识的调节阀粘滞建模[J]. 工业控制计算机 2015(09)
- [30].基于混合生物地理学算法的非线性系统辨识[J]. 计算机仿真 2015(01)