發(fā)布時間：2024-05-11 12:32

　　傳統(tǒng)的系統(tǒng)辨識方法主要是針對確定性數(shù)學(xué)模型辨識,其輸出為確定的點輸出,魯棒性差,易受外界干擾。本文針對此問題,提出了最優(yōu)區(qū)間回歸模型(OIRM)辨識的方法。該方法將逼近誤差的?₁范數(shù)思想與結(jié)構(gòu)風(fēng)險最小化理論相結(jié)合,建立求解區(qū)間模型的最優(yōu)化問題,應(yīng)用線性規(guī)劃獨立求解區(qū)間模型的上界和下界模型。實驗分析表明,對來自測量以及參數(shù)不確定性的數(shù)據(jù),從均方根誤差(RMSE)以及支持向量的百分?jǐn)?shù)(SVs%)兩個指標(biāo)論證了,提出的方法不僅可以獲取最優(yōu)區(qū)間輸出,還能確定區(qū)間模型的辨識精度和泛化性能之間的平衡。

【文章頁數(shù)】：10 頁

【部分圖文】：

圖1最優(yōu)區(qū)間回歸模型建模方法流程圖

可知優(yōu)化問題(14)的約束條件成立。2.2基于逼近誤差的?1范數(shù)最優(yōu)區(qū)間回歸模型辨識

圖2提出方法在無噪聲情況下的區(qū)間輸出

接下來本文將對提出的方法從區(qū)間模型的辨識精度以及稀疏特性展開實驗分析,論證其合理性與優(yōu)越性,其中sinc(x)=sin(x)/x是支持向量回歸(SVR)理論[17]產(chǎn)生以來以及用于論證其他方法[7,29]最常采用的仿真。首先考慮基于sinc(x)在區(qū)間[-10,10]無噪聲干擾....

圖3區(qū)間輸出的逼近誤差,滿足fU(x)-y(x)≥0

如圖3所示,給出了URM與LRM與實際輸出的逼近誤差。表1從RMSE和SVs%兩個指標(biāo)分別給出了提出方法與支持向量機(jī)[17]、相關(guān)向量機(jī)(RVM)[7]以及文獻(xiàn)[29]的比較結(jié)果。考慮到本文提出的方法旨在解決測量數(shù)據(jù)以及系統(tǒng)參數(shù)不確定性的區(qū)間模型辨識問題,但從圖2和表1可知,....

圖4提出方法受噪聲干擾下的區(qū)間輸出

然而,當(dāng)非線性系統(tǒng)受噪聲干擾時,傳統(tǒng)方法不能提供區(qū)間輸出。接下來仍然考慮從sinc(x)獲取100個帶均勻分布噪聲為[-0.2,0.2]的等間隔無噪聲樣本的最優(yōu)區(qū)間模型辨識。當(dāng)超參數(shù)集(ε,γ,σ)為(0.005,100,2.5),則帶噪聲的sinc(x)區(qū)間輸出逼近如....

本文編號：3969953