几类典型随机非线性系统的辨识

doi:10.12341/jssms11686

系统科学与数学 ›› 2011, Vol. 31 ›› Issue (9): 1019-1044.DOI: 10.12341/jssms11686

几类典型随机非线性系统的辨识

陈翰馥,赵文虓

中国科学院数学与系统科学研究院系统控制重点实验室

收稿日期:2011-07-06 出版日期:2011-09-25 发布日期:2011-11-15

PDF ( 945 ) 引用被引次数 ( 19 | 2 )

陈翰馥, 赵文虓. 几类典型随机非线性系统的辨识[J]. 系统科学与数学, 2011, 31(9): 1019-1044.

CHEN Han-Fu, ZHAO Wen-Xiao. IDENTIFICATION OF SEVERAL CLASSES OF STOCHASTIC NONLINEAR SYSTEMS[J]. Journal of Systems Science and Mathematical Sciences, 2011, 31(9): 1019-1044.

IDENTIFICATION OF SEVERAL CLASSES OF STOCHASTIC NONLINEAR SYSTEMS

CHEN Han-Fu, ZHAO Wen-Xiao

Key Lab of Systems and Control, Academy of Mathematics and Systems Science, Chinese Academy of Sciences

Received:2011-07-06 Online:2011-09-25 Published:2011-11-15

考察实际中常见的三类典型随机非线性系统(即Wiener、Hammerstein和NARX系统)的辨识,首先概述了现有的递推和非递推辨识算法,然后介绍这三类系统的一个统一辨识框架: 利用系统所确定的过程的马氏性及混合型,将辨识转化为求函数零点的问题,基于扩张截尾的随机逼近算法,得到了递推、强一致的辨识结果,并给出了数值模拟验证辨识算法收敛到真值．

关键词： Wiener系统 , Hammerstein系统 , NARX系统, 马氏链 , 随机逼近 , 递推辨识

Identification of several classes of stochastic nonlinear systems, i.e., the Wiener system, the Hammerstein system and the nonlinear ARX system, is considered. First, existing recursive and nonrecursive algorithms for identifying these systems are briefly summarized. Then, a unified framework to recursively identify these systems is introduced. Based on the Markov chains and mixing properties connected with these systems, the identification is transformed into root searching problems. Finally, identification algorithms based on stochastic approximation with expanding truncations are introduced
and strong consistency of estimates is established. The theoretical results are verified by simulation examples.

Key words: Wiener system , Hammerstein system , nonlinear ARX system , recursive identification , stochastic approximation , strong consistency

MR(2010)主题分类:

35L65

分享此文:

[1]	冯文辉，陈翰馥，赵文虓. 多输入多输出Hammerstein和Wiener系统的适应调节[J]. 系统科学与数学, 2016, 36(7): 893-907.
[2]	陈曦，方海涛. 非线性块结构系统辨识的辅助变量方法[J]. 系统科学与数学, 2013, 33(4): 398-411.
[3]	肖临，欧辉，杨向群. 马氏链环境中复合二项风险模型的建立和构造[J]. 系统科学与数学, 2013, 33(3): 255-263.
[4]	宋其江，吴武清. 一类基于输出非线性量测的变量带误差系统的辨识[J]. 系统科学与数学, 2012, 32(6): 780-790.
[5]	陈翰馥. 扩展截尾的随机逼近算法[J]. 系统科学与数学, 2012, 32(12): 1472-1487.
[6]	陈翰馥，牟必强. 变量带误差系统的递推辨识：从线性到非线性系统[J]. 系统科学与数学, 2012, 32(10): 1180-1192.
[7]	张强, 张纪峰. 基于马尔科夫拓扑切换和随机通信干扰的连续时间多自主体系统的趋同控制[J]. 系统科学与数学, 2011, 31(9): 1097-1110.
[8]	曹玉芬;侯振挺. 一类增长网络模型的度分布[J]. 系统科学与数学, 2010, 30(4): 548-555.
[9]	郝瑞丽;杨卫国;李睿. 可列齐次马氏链熵率的指数收敛速度[J]. 系统科学与数学, 2010, 30(2): 199-204.
[10]	汪和松;李应求;王众. 双无限环境中马氏链的常返和暂留性[J]. 系统科学与数学, 2009, 29(3): 418-424.
[11]	沈栋;陈翰馥. 一类非线性系统的迭代学习控制[J]. 系统科学与数学, 2008, 28(9): 1053-1064.
[12]	丁邦俊. 利用区间删失数据的分布函数估计及其收敛速度[J]. 系统科学与数学, 2008, 28(6): 641-648.
[13]	言小明刘克. 马氏需求和随机供应下的订货和定价问题[J]. 系统科学与数学, 2008, 28(11): 1346-1353.
[14]	汪忠志;杨卫国. 二重非齐次马氏链及其随机变换的若干强极限定理[J]. 系统科学与数学, 2004, 24(4): 451-462.

阅读次数

全文

摘要