搜索到535篇“ HAMMERSTEIN模型“的相关文章
- 基于动态神经网络Hammerstein模型的车辆自动驾驶预测控制方法
- 本发明属于车辆自动驾驶预测控技术领域，公开了一种基于动态神经网络Hammerstein模型的车辆自动驾驶预测控制方法，包括：S1.构建基于动态神经网络的Hammerstein模型，所述Hammerstein模型包括串联的...
- 于树友谢华城李文博陈虹林宝君
- 基于改进最小角回归算法的Hammerstein模型辨识
- 2024年
- 针对一类未知时滞和阶次的Hammerstein模型的辨识问题,本文提出一种基于绝对角度停止准则最小角回归(AS-LAR)的稀疏辨识方法,该方法可以同时辨识出Hammerstein模型的时滞、阶次和参数.首先,通过引入最大非线性阶次和输入回归长度,将系统表示成具有稀疏参数向量的高维辨识模型;然后,提出一种绝对角度停止准则,对最小角回归算法进行改进,并基于改进的AS-LAR算法获得稀疏参数向量的估计;最后,基于参数向量稀疏结构,估计出系统的时滞和阶次,并从估计的参数向量中提取和分离出系统线性部分和非线性部分的参数估计值.数值仿真和水箱实例结果表明,提出的辨识方法有效,且与其它辨识方法相比,具有估计精度高、计算量小、速度快等特点.
- 刘艳君刘艳君陈晶
- 关键词：HAMMERSTEIN模型时滞估计
- 基于Hammerstein模型的执行机构非线性参数辨识
- 2024年
- 针对火电机组中流过执行机构的介质流量难以测量,导致执行机构的非线性特性无法直接求取这一问题,提出用构建Hammerstein模型代替直接测量介质流量的间接测量法,进而求取执行机构的非线性特性,然后分别使用粒子群算法(PSO)和樽海鞘群算法(SSA),辨识所构建的Hammerstein模型的参数。另外,针对PSO算法和SSA算法辨识Hammerstein模型参数精度不高以及收敛速度慢的问题,提出了一种改进的粒子群-樽海鞘群的混合算法(IPS)。最后基于烟道挡板的指令数据与再热器出口温度数据对模型进行了仿真。仿真结果表明,提出的IPS算法能改善PSO算法的过早收敛问题,提高SSA算法的辨识速度。因此通过建立Hammerstein模型能够解决介质流量难以测量的执行机构非线性参数辨识问题,并且提出的IPS算法能准确且快速的辨识Hammerstein模型的各项参数。
- 陈艺文刘鑫屏董子健
- 关键词：HAMMERSTEIN模型PSO算法
- 基于Hammerstein模型的永磁同步电机EPS建模研究
- 2024年
- 针对电动助力转向(EPS)系统中永磁同步电机(PMSM)系统的高精度建模需求,采用基于Hammerstein模型的辨识方法。将可分离信号与实际电机的q轴电压组合信号作为模型输入,构建基于Hammerstein模型的数据驱动模型,将可分离信号经过标称模型的输出与实际电机的q轴电流作为模型输出。基于这些输入和输出数据,采用相关分析法和泰勒级数展开方法分步辨识Hammerstein模型中的静态非线性子系统和动态线性子系统的参数。仿真结果表明,该方法能够有效辨识基于Hammerstein模型的永磁同步电机EPS系统,为智能驾驶中EPS系统的精确控制提供了理论基础。
- 朱鑫健沈泽宇陈刚宋国强杜思伟
- 关键词：HAMMERSTEIN模型永磁同步电机神经模糊网络电动助力转向系统
- 基于模块化Hammerstein模型的锂电池SOC/SOH估计方法
- 国家在“十四五”规划中提出碳达峰、碳中和的战略目标,电动汽车行业得到迅猛发展。准确地估计电动汽车动力电池的荷电状态(SOC)及健康状态(SOH)是非常重要的一环。锂离子电池的SOC与SOH难以直接测量,本文以锂离子电池为...
- 刘子平
- 关键词：HAMMERSTEIN模型荷电状态
- 基于递阶辨识原理Hammerstein模型的锂电池SOC估计方法
- 锂离子电池由于优异的性能和高能量密度等优点,在许多领域得到了广泛应用。电池管理系统(Battery Management System,BMS)是锂电池更好发挥性能的关键,其中荷电状态(State of Charge,S...
- 王广乾
- 关键词：荷电状态HAMMERSTEIN模型
- 基于最小角回归算法的Hammerstein模型辨识
- Hammerstein模型是一种常见的块结构非线性模型,由一个静态非线性环节和一个动态线性环节串联构成,可以用来描述如p H中和过程、高炉炼铁过程和热交换器等一大类非线性过程,由于能够较好地反应过程特征、便于控制系统设计...
- 范晋翔
- 关键词：HAMMERSTEIN系统迭代辨识
- 基于Hammerstein模型的风力发电系统建模与辨识被引量：3
- 2023年
- 为建立风力发电系统的高精度模型,研究了一种基于Hammerstein模型的风力发电系统的建模与辨识方法。使用3σ准则对异常数据进行剔除,利用剔除后的数据训练风力发电系统的标称模型。利用Hammerstein模型建立风力发电系统的数据驱动模型,并将可分离信号和实际风速构成的组合式信号作为Hammerstein模型输入,可分离信号经过标称模型的输出和实际功率作为Hammerstein模型输出,基于组合式信号的输入和输出数据,利用相关分析法和带遗忘因子的递推增广随机梯度方法分别辨识Hammerstein模型中静态非线性子系统和动态线性子系统的参数。采用实际风速数据进行仿真实验,提出的方法与增广随机梯度方法的平均绝对百分比误差分别为4.99%和14.73%,与增广随机梯度方法相比,提出方法的平均绝对百分比误差减少了9.74%。仿真结果表明,提出的方法能够有效辨识Hammerstein模型风力发电系统,具有较好的预测性能。
- 李峰郑天宋伟
- 关键词：风力发电系统HAMMERSTEIN模型
- 基于概率密度函数的Hammerstein模型辨识研究和应用
- 在已有的许多非线性动态模型中,一类新颖的块结构模型已成为当前研究热点。Hammerstein模型是块结构模型中结构最简单、应用最广泛的模型,由静态非线性模块与动态线性模块串联而成,能较好地反映实际非线性过程的特征。Ham...
- 朱鑫健
- 关键词：HAMMERSTEIN模型神经模糊模型概率密度函数
- 基于特殊历史数据段挖掘的切换Hammerstein模型辨识
- 2023年
- 本文提出了一种基于特殊历史数据段挖掘的切换Hammerstein模型辨识方法。特殊数据段是指处于稳定状态和稳定斜坡响应的数据段。首先,根据稳态数据采用随机抽样一致算法辨识静态非线性子系统。其次,根据稳定的斜坡响应数据利用密度峰值聚类算法辨识切换Hammerstein模型线性动态子系统的结构和相应的操作区间。最后,根据操作区间划分历史数据集,采用最小二乘算法辨识切换的多个线性动态子系统的模型参数。数值仿真和实验案例结果表明,与标准Hammerstein辨识方法相比,所提方法可以实现不同工作点切换的多个线性动态子模型的结构辨识及操作区间划分,降低了模型结构未知时切换动态子系统对模型参数辨识的影响,提高了切换Hammerstein模型的辨识精度。
- 贾晓彤王建东邢晓彤
- 关键词：参数估计
