Hammerstein模型辨识算法的研究

【摘要】： Hammerstein模型辨识属于非线性系统辨识的一个分支。Hammerstein模型是由一个非线性模块和一个线性模块串联来描述非线性特征的。在许多非线性实验模型中,由于较其它非线性模型结构相对简单,且具有较易辨识、计算量少、能较好的反应过程的特征等特点,得到了广泛的使用。 本文在介绍Hammerstein模型的基础上主要研究一类线性动态环节为CARMA或称ARMAX的Hammerstein模型,这类模型是一类有色噪声干扰的随机系统。本文按照以下两种不同的分类方法研究：按辨识方法：①迭代法,②递归法；按不同非线性部分方法：①非线性部分为幂函数的情况②非线性部分为死区函数的情况。本文最后提出了一种全新的辨识思路—最小概率方法。为了得到方法的有效性以及不同方法结果的对比,对每个问题都进行了仿真研究,获得了有意义的结论。本文的主要内容如下： 1.介绍常用随机系统的结构,引入噪声的概念及其分类；噪信比的概念以及计算方法,最后定义了误差准则。 2.介绍了Hammerstein模型极其扩展模型的结构和数学描述。 3.针对不同的非线性模块,详细介绍了Hammerstein模型的辨识方法,通过仿真结果,对不同方法的优劣进行了分析。 4.引入最小概率方法,利用仿真研究了其有效性,并对该方法的未来进行了展望。