1)．辨识NARMA－L2模型
与模型预测控制一样，反馈线性化控制的第一步就是辨识被控制的系统。通过训练一个神经网络来表示系统的前向动态机制，在第一步中首先选择一个模型结构以供使用。一个用来代表一般的离散非线性系统的标准模型是：非线性自回归移动平均模型（NARMA），用下式来表示：
式中，u(k)表示系统的输入，y(k)表示系统的输出。在辨识阶段，训练神经网络使其近似等于非线性函数N。
2022-02-26 22:22:29
599KB
1
基于最小二乘法的系统参数辨识，吴令红，熊晓燕，系统辨识是自动控制学科的一个重要分支，由于其特殊作用，已经广泛应用于各种领域，尤其是复杂系统或参数不容易确定的系统的建模
2022-02-25 23:32:15
222KB
1
系统辨识，针对CARARMA（可控自回归自回归滑动平均）线性模型的辨识算法，其实例实现代码，融入了遗忘因子。
2022-02-21 20:47:03
1KB
使用者的理论、作者：Lennart ljung。这是关于系统辨识的一本书，本书的作者在系统辨识领域很有名，同时也是matlab identification toolbox的作者。
2022-02-21 18:02:09
8.46MB
1
能源短缺和环境问题已成为本世纪全球面临的最重要课题，作为一种新的能源形式，固体氧化物燃料电池（SOFC）技术日益受到重视。由于现有的SOFC模型过于复杂，难以满足工程上对SOFC系统实时控制的需求，提出利用粒子群算法（PSO）优化径向基函数（RBF）神经网络，从而实现对SOFC的建模。PSO对RBF神经网络的中心值和连接权值进行优化，提高了网络的泛化性能，使其非线性逼近能力更强，从而达到精确模型的目的。仿真实验验证了粒子群算法在SOFC建模的有效性。
2022-02-16 14:14:37
871KB
1