导读:本文包含了非线性模型辨识论文开题报告文献综述及选题提纲参考文献，主要关键词:系统辨识,数据驱动,神经网络,LS-SVM
非线性模型辨识论文文献综述
张婧瑜,艾科勇[1]（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）
滕峰成,张昊阳,程安迪,王珊珊[2]（2019）在《基于非线性遗传算法的DTS传感模型的参数辨识与优化》一文中研究指出基于光纤拉曼散射效应和Monte-Carlo法,建立了一种DTS传感模型。采用非线性遗传算法对该模型的参数进行了辨识,分析了种群规模、进化代数、交叉率、变异率等参数选值对算法运行结果的影响,并选取了最佳参数组合。搭建了分布式光纤温度传感系统实验平台,并运用该DTS传感模型对分布式光纤温度传感系统进行了仿真预测。实验及仿真结果表明:该传感模型在空间分辨力为1 m时,预测误差在0. 24%以内;该分布式光纤温度传感系统的测温误差不大于0. 40℃。(本文来源于《计量学报》期刊2019年04期）
万萌,应展烽,张伟[3]（2019）在《分立型功率MOSFET结温估计的非线性热网络模型和参数辨识方法》一文中研究指出分立型功率MOSFET是一类重要的电力电子器件,结温估计对于其安全运行具有重要意义。传统结温估计模型将功率器件壳温测量值作为解算的边界条件,对温度传感器安装可靠性要求较高,故当其应用于体积小巧的分立型功率MOSFET时,所得结温估计结果容易因传感器脱落而不可靠。为此,该文提出针对分立型功率MOSFET结温估计的非线性热网络模型。该模型利用较易测量的功率器件环境温度作为边界条件,计及非线性热对流和热辐射作用,有效描述器件与环境之间的换热过程。为克服模型热参数难以获取问题,提出模型参数的辨识方法,证明了辨识目标函数的凸函数特性。利用原对偶内点法,获得参数辨识的全局最优解,有效确定模型热参数。相关实验表明,所提模型能够在壳温测量不可靠时,提高分立型功率MOSFET结温工程估计的可靠性。(本文来源于《电工技术学报》期刊2019年12期）
余健,王晴,付世荣,朱其志,刘思利[4]（2019）在《基于砂岩蠕变试验的非线性蠕变模型辨识研究》一文中研究指出为了研究砂岩的蠕变特性,利用全自动叁轴伺服仪对砂岩试样进行10 MPa围压下的常规叁轴试验和蠕变试验。为有效描述蠕变全过程,提出了一种含分数阶导数的非线性蠕变模型并进行验证。结果表明:在蠕变衰减、稳定阶段,试样环向蠕变速率和轴向蠕变速率比较接近;在蠕变加速阶段,试样的蠕变速率迅速增大,环向较轴向先发生加速蠕变,且环向加速蠕变速率更大,稳定蠕变速率随着应力水平的增大而增大,环向稳定蠕变速率增幅较轴向大,可见环向蠕变速率受应力水平影响更大,建立的含分数阶导数的非线性蠕变模型能较好模拟蠕变全过程,具有较高的准确性。(本文来源于《河北工程大学学报(自然科学版)》期刊2019年02期）
段崇崇,张雨飞,冯晨[5]（2018）在《基于DEAFCR算法的非线性系统模型参数辨识》一文中研究指出针对非线性模型参数辨识困难和不准确的问题,提出一种基于改进的差分进化算法的辨识算法。通过建立寿命机制,根据寿命值,动态调整缩放因子和交叉率,在算法初期保持多样性来避免早熟收敛,在后期保留优质解,加快收敛速度。为验证改进算法的性能和实用性,用典型测试函数进行对比测试,并辨识非线性传递函数模型和Hammerstein模型,试验结果表明改进的算法收敛速度快,辨识精度高,对非线性系统参数辨识有效可行。(本文来源于《工业仪表与自动化装置》期刊2018年06期）
陈勇,黄国钦,罗光华,柯翔敏[6]（2018）在《采用ARMAX模型的精磨非线性振动系统辨识》一文中研究指出基于外源自回归滑动平均模型(ARMAX),提出改进的动态偏心精密磨削非线性振动系统的二阶振动微分方程解耦算法,获得其传递函数系统模态参数,主要包括模态刚度、模态质量和模态阻尼等的辨识.结合模态辨识理论,优化复模态振型的振动系统传递函数矩阵模态参数的模态留数或模态参数形式辨识算法,并进行相应实验验证.验证结果表明:该复模态振型振动系统解耦算法实现重构传递函数曲线低频区域局部振动特征,计算精度较高,有效应用于精密加工过程非线性振动的预估和控制.(本文来源于《华侨大学学报(自然科学版)》期刊2018年03期）
杨娜[7]（2018）在《改进生物地理学算法及其在非线性模型辨识中的应用》一文中研究指出智能优化算法在近几十年的研究中得以快速发展,其全局探索能力和局部挖掘能力一直是学者们致力追求的两个关键问题。在群体智能优化算法中,生物地理学算法的收敛速度较快,这得益于算法对种群(即解)所定义的变换形式。这种变换形式加快了算法的收敛速度,但与此同时也弱化了算法的全局探索能力。针对这一点,本文对生物地理学算法进行了改进优化。研究过程中同时发现,在工业领域中很少会应用生物地理学算法进行目标寻优,针对这一点,本文将生物地理学算法应用于非线性系统辨识领域,使用智能优化算法计算匹配模型参数,得到了很好的效果。本文的创新点主要有以下几点:1.本文针对生物地理学算法的全局搜索能力进行改进与优化。算法的搜索能力不强是因为其在迭代后期容易陷入局部最优解,本文基于生物地理学算法提出了 MBBO算法,对算法的突变操作进行了补充定义,使MBBO算法随迭代次数的增加可以逐渐增大其跳出局部最优解的概率。利用仿真实验对MBBO算法进行验证,结果表明改进策略有较大的优化效果。2.本文针对MBBO算法的局部挖掘能力进行改进与优化。MBBO算法保持了生物地理学算法前期的寻优速度,在算法后期强化了全局寻优效果,这就导致了其收敛速度的小幅度增加。对此,本文加大了算法对已有解集信息的利用,提出自适应BBO算法,使算法参数可以跟随解集收敛状态进行自适应的参数调整,以更好地指导解集的寻优方向。3.为加强智能优化算法在工业领域的应用,本文使用多种算法在非线性系统辨识上进行仿真建模。本文选择Hammerstein模型和Wiener模型作为实验的模型框架,并在模型中加入了重尾噪声,在对重尾噪声进行简单的预处理后,使用智能优化算法对模型参数进行寻优操作。实验结果表明此方法所得的模型精度较高,切实可行。(本文来源于《北京化工大学》期刊2018-05-20）
李俊晖,石守东,林卫星,汪睿琪[8]（2018）在《非线性Hammerstein模型的生物优化辨识》一文中研究指出在现代工业生产领域中,非线性系统的辨识一直是研究人员研究的重点对象。针对输入非线性Hammerstein模型,本文提出了运用生物优化算法中的蚁群算法(ACO)、杂交粒子群算法(HPSO)对非线性系统进行辨识。讨论了ACO、HPSO的基本算法与参数初值的设置与选择方法。通过研究各算法的辨识效果、精度、以及鲁棒性,说明:杂交粒子群、蚁群算法都是参数设置少、编程易实现,辨识精度高,鲁棒性较好的一类算法,在解决实际问题时,有很高的利用价值。(本文来源于《无线通信技术》期刊2018年01期）
孙文涛,蔡晖,张文嘉,葛毅,赵洁[9]（2018）在《基于IOLBBO算法的水轮机非线性模型参数辨识》一文中研究指出为提高考虑弹性水击模型的水轮机系统非线性模型参数辨识的精度、速度、稳定度,采用改进正交学习生物地理学算法(IOLBBO)对该模型进行参数辨识。IOLBBO利用佳点集方法的遍历性,初始化栖息地特征变量;引入精英保留策略,提高算法运行效率;融合正交学习(OL)策略,提高算法全局寻优能力。基于某水轮机动态试验数据的参数辨识计算及对比分析,表明IOLBBO算法可用于水轮机系统非线性模型参数实测辨识,与GA、PSO、QPSO、BBO算法相比,收敛速度更快、参数辨识精度更高、算法更稳定,为电力系统的参数辨识提供了一种新方法。(本文来源于《水电能源科学》期刊2018年01期）
赵小国,刘丁,景坤雷[10]（2019）在《融合改进蚁狮算法和T-S模糊模型的噪声非线性系统辨识》一文中研究指出针对传统的T-S模糊辨识方法难以准确辨识含噪声的非线性系统问题,将噪声信号和系统的其他输入变量一起作为模糊前件的输入,采用具有动态随机搜索和寻优半径连续收缩机制的改进蚁狮算法优化模糊前件的结构参数,使用加权最小二乘法实现模糊后件的参数辨识.数值仿真表明,所提出的辨识方法可以有效抑制噪声的影响,经过改进蚁狮算法优化后的T-S模糊模型辨识效果更好.最后,将所提出方法用于直拉硅单晶生长热模型的辨识,实验结果表明该方法优于传统的辨识方法.(本文来源于《控制与决策》期刊2019年04期）
非线性模型辨识论文开题报告
（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：
基于光纤拉曼散射效应和Monte-Carlo法,建立了一种DTS传感模型。采用非线性遗传算法对该模型的参数进行了辨识,分析了种群规模、进化代数、交叉率、变异率等参数选值对算法运行结果的影响,并选取了最佳参数组合。搭建了分布式光纤温度传感系统实验平台,并运用该DTS传感模型对分布式光纤温度传感系统进行了仿真预测。实验及仿真结果表明:该传感模型在空间分辨力为1 m时,预测误差在0. 24%以内;该分布式光纤温度传感系统的测温误差不大于0. 40℃。
（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。
非线性模型辨识论文参考文献
[1].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
[2].滕峰成,张昊阳,程安迪,王珊珊.基于非线性遗传算法的DTS传感模型的参数辨识与优化[J].计量学报.2019
[3].万萌,应展烽,张伟.分立型功率MOSFET结温估计的非线性热网络模型和参数辨识方法[J].电工技术学报.2019
[4].余健,王晴,付世荣,朱其志,刘思利.基于砂岩蠕变试验的非线性蠕变模型辨识研究[J].河北工程大学学报(自然科学版).2019
[5].段崇崇,张雨飞,冯晨.基于DEAFCR算法的非线性系统模型参数辨识[J].工业仪表与自动化装置.2018
[6].陈勇,黄国钦,罗光华,柯翔敏.采用ARMAX模型的精磨非线性振动系统辨识[J].华侨大学学报(自然科学版).2018
[7].杨娜.改进生物地理学算法及其在非线性模型辨识中的应用[D].北京化工大学.2018
[8].李俊晖,石守东,林卫星,汪睿琪.非线性Hammerstein模型的生物优化辨识[J].无线通信技术.2018
[9].孙文涛,蔡晖,张文嘉,葛毅,赵洁.基于IOLBBO算法的水轮机非线性模型参数辨识[J].水电能源科学.2018
[10].赵小国,刘丁,景坤雷.融合改进蚁狮算法和T-S模糊模型的噪声非线性系统辨识[J].控制与决策.2019