典型文献
基于高斯核函数的Hammerstein非线性系统辨识
文献摘要：
提出了一种基于高斯核函数的Hammerstein非线性系统参数辨识方法.Hammerstein非线性系统由一个静态非线性模块和一个动态线性模块串联组成,利用高斯核函数神经网络和传递函数模型分别建立Hammerstein系统的静态非线性模块和动态线性模块.首先,基于可分离信号的输入输出数据,采用相关性分析方法估计动态线性模块的参数,有效抑制噪声的干扰.其次,针对Hammerstein非线性系统的不可测噪声项,利用残差的估计值代替不可测变量,推导了递推增广最小二乘辨识方法,根据随机信号的输入输出数据辨识静态非线性模块和噪声模型的参数.仿真结果表明,针对有色噪声干扰的Hammerstein非线性系统,所提方法具有较好的辨识精度和鲁棒性.
文献关键词：
Hammerstein系统;非线性系统辨识;二进制-随机复合信号;相关性分析法
中图分类号：
作者姓名：
郑天;李峰;罗印升;刘冉冉;顾亚
作者机构：
江苏理工学院电气信息工程学院,江苏常州213001;江苏理工学院汽车与交通工程学院,江苏常州213001;常熟理工学院电气与自动化工程学院,江苏常熟215500
文献出处：
引用格式：
[1]郑天;李峰;罗印升;刘冉冉;顾亚-.基于高斯核函数的Hammerstein非线性系统辨识)[J].控制工程,2022(11):2034-2041
A类：
可测噪声
B类：
高斯核函数,Hammerstein,非线性系统辨识,系统参数,参数辨识方法,统由,联组,传递函数模型,可分离,输入输出,抑制噪声,估计值,递推,增广,最小二乘辨识方法,随机信号,数据辨识,噪声模型,有色噪声,噪声干扰,辨识精度,二进制,复合信号,相关性分析法
AB值：
0.280252
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
