非线性系统辨识方法的新进展
综
Survey
述
《自动化技术与应用》2004年第23卷第10期
非线性系统辨识方法的新进展
李秀英,韩志刚
(黑龙江大学电子工程学院,黑龙江
哈尔滨
150080)
摘要:对现有的非线性系统辨识方法进行了简要综述。介绍了多层递阶辨识方法,以及把神经网络、模糊逻辑、遗传算法等知识应
用于非线性系统辨识而得到的一些新型辨识方法,最后概括了非线性系统辨识未来的发展方向。
关键词:非线性系统辨识;多层递阶;神经网络;模糊逻辑;遗传算法中图分类号:N94
文献标识码:A 文章编号:1003-7241(2004)10-0005-03
Advances in Nonlinear System ldentification
LI Xiu -ying ,HAN Zhi -gang
(Coiiege of Eiectricai and Engineering ,Heiiongjiang University ,Harbin 150080,China )
Abstract :The recent approaches in noniinear system identification are surveyed. The muiti -ievei recursive identification method and some new meth-ods based on neurai network ,fuzzy iogic ,genetic aigorithms ,waveiet network etc. are introduced. Finaiiy ,the future trend of noniinear system identification are given.
Key words :noniinear system identification ;muiti -ievei recursive method ;neurai network ;fuzzy iogic ;genetic aigorithms
1引言
系统辨识是现代控制理论中一个很活跃的分支。从1967
对于非线性系统参数模型的辨识问题,人们最早涉及的是某些特殊类型的非线性系统,如双线性系统模型、Hammerstain 模型、非线性时间序列模型、输出仿射模型等。针Wiener 模型、对每一类特殊模型,各国学者都作了大量的工作,提出了不少辨识算法。同时,也对这些算法的估计一致性问题进行了讨论。随着人们对非线性系统辨识问题研究的日益深入,更为一般的普适性非线性模型的辨识问题就显得日益重要。常用的非线性系统描述方法有微分(或差分)法、泛函级数法、NARMAX 模型法及分块系统法等。一些学者已经对非线性系统辨识方法进行了
[1]
某方面的综述。例如,讨论了正交展开1965年Arnoid 和Stark
年起国际自动控制联合会(IFAC )每三年召开一次国际性的辨识与参数估计讨论会。历届IFAC 辨识会议均吸引了众多的有关学科的科学家和工程师参加。在第七届IFAC 大会以后,系统辨识方面的注意力主要集中在对非线性系统的辨识上。
非线性系统广泛的存在于人们的生产生活中,随着人类社会的发展进步,越来越多的非线性现象和非线性系统已经引起研究者们的广泛关注,混沌现象的发现被誉为“二十世纪三大发现之一”。目前关于非线性理论的研究正处于发展阶段。建立描述非线性现象和非线性系统的模型是研究非线性问题的基础。线性系统辨识理论已经趋于成熟,但一般的线性模型实际上是某些非线性被忽略或用线性关系代替后得到的对真实系统的近似数学描述。随着科学技术的迅猛发展,控制系统越来越复杂,对控制精度的要求越来越高,具有复杂非线性的系统不能用线性模型来近似,所以研究非线性系统辨识理论有着很重要的实际意义。
方法在非线性系统辨识中的应用,1968年Aieksandrovskii 和De-[2][3]
及1977年Hung 和Stark 综述了核辨识算法,ich 1989年Titter-[4]
总结了非线性试验设计的最新发展,并列举了ington 和Kitsos
十五个在化工领域中常遇到的非线性模型。
本文旨在对近年来非线性系统的辨识方法的新发展作以简单的综述。
2
收稿日期:2004-04-26
非线性系统的辨识
从逼近理论和模型研究的发展来看,非线性系统建模已从
Technicues of Automation &Applications I
5
《自动化技术与应用》2004年第23卷第10期
综
Survey
述
利用El-统,运用动态神经元网络辨识非线性动态系统;文献[9]man 动态递归神经网络对非线性结构进行黑箱辨识等。此外,还有大量关于神经网络在非线性系统辨识方面的研究,如
[10]
用系统辨识和估计理论的观点分析前馈网络辨识Billings 等
用线性模型逼近发展到用非线性模型逼近的阶段。由于非线性系统本身所包含的现象非常丰富,很难推导出能适应各种非线性系统的辨识方法,因此非线性系统辨识还没有构成完整的科
[5]
学体系。自从1980年,发表非线性系统辨识的综述文Billings
章以来,非线性辨识理论的各个方面都取得了一些进步。近年来,基于智能控制理论中的神经网络、模糊逻辑、遗传算法等知识形成了许多新型的辨识方法,为辨识非线性系统开辟一条新途径;此外,基于传统的随机梯度算法而发展起来的多层递阶辨识方法也为辨识非线性系统提供一条新思路。下面简要介绍几种辨识方法:
非线性系统的特点,讨论网络的复杂性、节点选择和噪声影响问题等。
最近十年来兴起的小波网络是在小波分解的基础上提出的一种前馈神经网络,使用小波网络进行动态系统辨识,成为神经网络辨识的新方法,有关的研究越来越多,主要是基于小波网络优良的函数逼近能力和神经网络辨识的优点。小波分析在理论上保证了小波网络在非线性函数逼近中所具有的快速性、准确性和全局收敛性等优点。随着小波分析理论的发展和成熟,小波网络在系统辨识,尤其是在非线性系统辨识中的应用潜力越来越大。小波网络的形式和设计方法多种多样:如文献[11]是利用小波函数(或尺度函数)替换普通神经网络中的激励函数;文献[12]则是从多分辨分析的角度利用正交小波基构造网络;文献[13]则重点讨论了高维小波网络的设计问题。其中以紧支正交小波和尺度函数构造的正交小波网络具有系统化的设计方法,能够根据辨识样本的分布和逼近误差要求确定网络结构和
[14]
参数;此外如正交小波网络还能够明确给出逼近误差估计,
2.1基于多层递阶方法的非线性系统辨识
多层递阶方法这一概念是1983年由韩志刚教授提出的,该
方法以时变参数模型的辨识方法为基础,基本思想是在输入输出等价的意义下,把一大类非线性模型化成多层线性模型,为非线性系统的建模提供了一条有效的途径。非线性模型结构的确定是系统辨识中的一个困难问题,多层递阶辨识方法可以借助于层数的增加,用多层的线性模型来描述所考虑的系统,并且将预报模型分成两部分,分别为基本结构部分和时变参数部分,然后基于模型等价的原理,依次对每层模型的时变参数进行建模,直到参数为非时变为止。该方法最显著的特点是采用时变参数,能够对客观实际进行精确拟合,准确地反映波动特性。从多层递阶方法的研究取得了长足的进20世纪90年代初开始,
展。多层递阶辨识所得到的模型,尤其利于解决某些预报问题。从1997年至1999年,多层递阶预报方法在气象领域、水利方面、农业病虫害预报以及经济和金融系统中的应用研究取得了一系列令人鼓舞的成果。正如一些学者所指出,多层递阶方法是近几年提出并发展起来的含时变参数的新型统计预测理论。
网络参数获取不存在局部最小问题等优点。
2.3基于模糊逻辑的非线性系统辨识
由于模糊逻辑系统可以在任意精度上一致逼近任何定义在
一个致密集上的非线性函数的特性,使得近年来模糊逻辑理论在非线性系统辨识领域中得到广泛的应用。模糊辨识作为一种新颖的辨识方法,具有其独特的优越性:能有效的辨识复杂和病态结构的系统;能够有效的辨识具有大时延、时变、多输入单输出的非线性系统;可以辨识性能优越的人类控制器;可得到被控对象的定性与定量相结合的模型,因而深受广大学者的青睐。1985年Takagi 和Sugeno 提出的T -S 模糊模型以局部线性化为基础,通过模糊推理方法实现了全局的非线性,具有结构简单,逼近能力强等特点,已成为模糊辨识中常用的模型。模糊模型辨识分为结构辨识和参数辨识两部分。典型的模糊结构辨识方法有:模糊网格法;自适应模糊网格法;模糊聚类法及模糊搜索树法等。其中,模糊聚类法是目前最常用的模糊系统结构辨识方法,其中心问题是设定合理的聚类指标,根据该指标所确定的聚类中心可使模糊输入空间划分最优。在结构辨识或输入变量
[15]已确定的情况下,常用的模糊参数辨识方法有:基于模糊关
2.2基于神经网络的非线性系统辨识
神经网络是20世纪末迅速发展起来的一门高技术,它对非
线性系统辨识的主要吸引力在于:多层前馈神经网络能够以任意精度逼近非线性映射,给复杂系统的建模带来了新途径;特有的学习能力使其能适应系统或环境的变化;并行计算特点,使其有潜力快速实现大量复杂的运算;分布式信息存储与处理结构,使其具有容错性;多输入多输出结构可方便的进行多变量系统的辨识与控制。因此,神经网络在非线性系统辨识中的应用具有很重要的研究价值和广泛的应用前景。利用神经网络对非线性系统进行辨识分为网络结构确定和网络权系值的训练两个过程。从辨识角度看,反馈(动态)神经网络模型如Hopfield 网络、动态递归网络等具有网络结构简单及较高的实时学ART 网络、
习训练性,尤其内部的反馈作用,使其更适合非线性动态系统的辨识。文献[8]提出一种基于改进的Elman 网络的内膜控制系
6
I Technicues of Automation &Applications
系方程的辨识方法;基于模糊隐含规则的辨识方法;基于模糊神经元网络的辨识方法;复杂系统辨识方法等。如何简化辨识步骤,提高模型的泛化能力,是当前模糊模型研究的主要问题。大
综
Survey
述
《自动化技术与应用》2004年第23卷第10期
量的文献研究了基于T -S 模糊模型的非线性系统辨识的新方
[16~18]
法。
2.4基于遗传算法的非线性系统辨识
遗传算法是由美国HoIIand 教授及其同事、学生发展起来
的,其基本思想是基于Darwin 进化论和MendeI 的遗传学说。它模拟自然界中物竞天择,适者生存的生物进化过程,在解空间中进行大规模、全局、并行搜索,搜索过程是从初始解群开始,以模型对应的适应函数作为寻优判据,适者生存,劣者淘汰,从而直接对解群进行操作,而与模型的具体表达方式无关。遗传算法不依赖于问题模型本身的特性,以及不容易陷入局部最优和隐含并行性等特点,能够快速有效的搜索复杂、高度非线性和多维空间,为非线性系统辨识的研究与应用开辟一条新途径。文献利用改进的遗传算子,提出一种辨识系统参数的方法,有效[19]
地克服了有色噪声的干扰,获得系统参数的无偏估计。文献[20]给出一种由遗传算法(GA )、进化编程(EP )相结合的辨识策略,可以一次辨识出系统的结构和参数,主要思想是用GA 操作保证搜索是在整个解空间进行的,同时优化过程不依赖于种群初值的选取,用EP 操作保证求解过程的平稳性,该方法比分别用GA 和EP 的效果都好。文献[21]给出一种基于遗传算法的非线性系统模型参数估计的算法。此外还有一些遗传算法在系
[22,23]统辨识中的应用。
3结论
系统辨识作为自动控制理论的一个十分活跃而又重要的分
支近20年来获得了迅速的发展。尤其是随着智能控制理论与软计算方法的不断成熟,给非线性系统的辨识注入了新的活力,从而形成了许多新型的系统辨识方法,在实际应用中取得了很好的使用效果。目前,研究的趋势一是将模糊、神经、遗传算法等相结合产生融合的非线性系统辨识方法,例如通过并行遗传算法实现对RBF 神经网络权值,宽度和中心位置等有关参数的
[24]估计,其特点是速度快、精度高;二是将传统的辨识方法与软
计算方法相结合而产生的新型非线性系统辨识方法,如将把模糊控制的思想引入时变参数估计中,得到一种遗忘因子模糊自
[25]调整的同时辨识模型结构合参数的自适应辨识算法。同时
随着一些新型学科的产生,也将有可能形成一些与之相关的系统辨识方法,使系统辨识成为综合多学科知识的科学。
[J ]. Automat. Remote ControI ,of Dynamic Characteristic of NonIinear Objects
(29):1968,142-160[3]HUNG ,G. and STARK ,L. The KerneI Identification Method -Re-[J ]. Math Biosci. ,view of Theory ,CaIcuIation ,AppIication and Interpretation (37):1977,135-170
[4]TITTERINGTON ,D. M. and KITSOS ,C. P. . Recent Advances in
[J ](31):NonIinear ExperimentaI Design . Technometrics ,1989,49-60
[5]BILLINGS ,S. A. Identification of NonIinear System -A Survey. Proc [J ]:. IEE. 1980,127(6)272-285
[6]韩志刚,蒋爱平. 自适应辨识、预报和控制———多层递阶途径[M ]黑龙江教育出版社,. 哈尔滨:1995
[7]韩志刚. 多层递阶方法理论与应用的进展[J ]. 控制与决策. (2):16129-1322001,
[8]马宝萍,徐志皋. 基于改进的EIman 网络的内膜控制及其应用[J ](4):. 热能动力工程.2000,15429-431
[9]魏民祥,闫桂荣,沈亚鹏. 基于动态神经网络非线性结构辨识的研究[J ](2):. 应用力学学报,2002,17110-114
[10]BILLINGS ,S. A. ,and etc. Properties of NeuraI Networks with Ap-[J ]. Int. J. ControI. 1992,pIications to ModeIing NonIinear DynamicaI Systems (1):55193-224
[11]ZHANG O. WaveIet networks [J ]. IEEE Trans. NeuraI Networks ,(:1992,36)889-898
[12]BAHAVIK R B and STEPHANOPOULOS G. Wave -net :a muI-[J ]tiresoIusion ,hieraehicaI neuraI network with IocaIized Iearning . AIChE
(1):JounaI ,1993,3957-81
[13]ZHANG O. Using waveIet network in nonparametric estimation [J ].
(:1997,82)227-236IEEE Trans. NeuraI Networks ,
[14]王海清,宋执环,李平. 采用正交小波网络的非线性系统辨识方法[J ](2):. 控制理论与应用.2001,18200-204
[15]李人厚,张平安. 关于模糊辨识的理论与应用实际问题[J ]. 控制理论与应用,(2):1995,12129-137
[16]邵青,冯汝鹏. 非线性系统模糊辨识的新方法[J ]. 控制与决策,(1):2001,1683-85
[17]刘福才,关新平,裴润. 基于一种新模糊模型的非线性系统模糊辨识[J ](1):. 控制理论与应用,2003,20113-116
[18]张平安,熊学健,李人厚. 基于拟非线性模糊模型的复杂系统模糊辨识[J ](2):. 控制理论与应用,1998,15286-290
[19]李茶玲,孙德保. 遗传算法在系统辨识中的应用[J ]. 华中理工大学学报,(7):1998,2657-58
[20]李孝安. 一种基于遗传算法与进化编程的系统辨识方法[J ]. 控制与决策,(3):1996,11404-407
[21]姜波,江秉文. 基于遗传算法的非线性系统模型参数估计[J ](1):. 控制理论与应用,2000,17150-152
[22]边润强,陈增强,袁著祉. 一种改进的遗传算法及其在系统辨识中的应用[J ](5):. 控制与决策,2000,15623-625
[23]徐洪泽. 一种具有变异性杂交的遗传算法及其在系统辨识中的应用[J ](4):. 哈尔滨工业大学学报,1997,2974-75
[24]蒙祖强,蔡自兴. 一种基于并行遗传算法非线性系统辨识方法[J ](3):. 控制与决策.2003,18367-374
[25]胡昌华,许化龙. 控制系统故障诊断与容错控制的分析与设计[M ]. 国防工业出版社,2000
[26]王琳,马平. 系统辨识方法综述[J ]. 电力情报.2001,4:63-66[27]朱全民. 非线性系统辨识[J ](6):. 控制理论与应用. 1994,11641-652
[28]李士勇. 模糊控制・神经网络和智能控制[M ]哈尔滨. 哈尔滨:工业大学出版社.1998
作者简介:李秀英(1978-),女,黑龙江伊春人,黑龙江大学硕士研究生,研究方向为:复杂非线性系统的建模与控制。
韩志刚(1934-),男,河北人,教授,博导,专业方向:复杂系统控制、无模型控制理论与应用的研究。
4参考文献:
[1]ANORLD ,C. R . and NARENDRA ,K. S. . The Characterization and
[R ]. TechnicaI Report 471,Harvard University. 1965Identification of Systems
[2]ALCKSANDROVSKII ,N. M. and DEICH ,A. M. . Determination
Technicues of Automation &Applications I 7
非线性系统辨识方法的新进展
作者:作者单位:刊名:英文刊名:年,卷(期):被引用次数:
李秀英, 韩志刚
黑龙江大学,电子工程学院,黑龙江,哈尔滨,150080自动化技术与应用
TECHNIQUES OF AUTOMATION AND APPLICATIONS2004,23(10)67次
参考文献(28条)
1. ANORLD C R;and NARENDRA, K. S The Characterization and Identification of Systems 1965
2. ALCKSANDROVSKII N M;and DEICH A M Determination of Dynamic Characteristic of Nonlinear Objects 1968(29)3. HUNG G;STARK, L The Kernel Identification Method- Review of Theory, Calculation, Application andInterpretation 1977(37)
4. Titterington D M;and KITSOS,C.P Recent Advances in Nonlinear Experimental Design 1989(31)5. BILLINGS S A Identification of Nonlinear System - A Survey. Proc 1980(06)6. 韩志刚;蒋爱平 自适应辨识、预报和控制--多层递阶途径 1995
7. 韩志刚 多层递阶方法理论与应用的进展[期刊论文]-控制与决策 2001(2)
8. 马宝萍,徐治皋 基于改进的Elman网络的内模控制及其应用[期刊论文]-热能动力工程 2000(4)9. 魏民祥,闫桂荣,沈亚鹏 基于动态神经网络非线性结构辨识的研究[期刊论文]-应用力学学报 2000(2)
10. BILLINGS S A Properties of Neural Networks with Applications to Modeling Nonlinear Dynamical Systems1992(01)
11. Zhang Q Wavelet networks 1992(06)
12. BAHAVIK R B Wave- net:a multiresolusion, hieraehical neural network with localized learning 1993(01)13. Zhang Q Using wavelet network in nonparametric estimation 1997(02)
14. 王海清,宋执环,李平 采用正交小波网络的非线性系统辨识方法[期刊论文]-控制理论与应用 2001(2)15. 李人厚;张平安 关于模糊辨识的理论与应用实际问题 1995(02)
16. 邵青,冯汝鹏 非线性系统模糊辨识的新方法[期刊论文]-控制与决策 2001(1)
17. 刘福才,关新平,裴润 基于一种新模糊模型的非线性系统模糊辨识[期刊论文]-控制理论与应用 2003(1)18. 张平安;熊学健;李人厚 基于拟非线性模糊模型的复杂系统模糊辨识 1998(02)19. 李茶玲;孙德保 遗传算法在系统辨识中的应用 1998(07)
20. 李孝安,张晓缋,戴冠中 一种基于遗传算法与进化编程的系统辨识方法[期刊论文]-控制与决策 1996(3)21. 姜波,汪秉文 基于遗传算法的非线性系统模型参数估计[期刊论文]-控制理论与应用 2000(1)
22. 边润强,陈增强,袁著祉 一种改进的遗传算法及其在系统辨识中的应用[期刊论文]-控制与决策 2000(5)23. 徐洪泽 一种具有变异性杂交的遗传算法及其在系统辨识中的应用 1997(04)
24. 蒙祖强,蔡自兴 一种基于并行遗传算法的非线性系统辨识方法[期刊论文]-控制与决策 2003(3)25. 胡昌华;许化龙 控制系统故障诊断与容错控制的分析和设计 200026. 王琳,马平 系统辨识方法综述[期刊论文]-电力情报 2001(4)27. 朱全民 非线性系统辨识 1994(06)
28. 李士勇 模糊控制·神经网络控制和智能控制论 1998
本文读者也读过(10条)
1. 李勇. 韩崇昭. 吴艳萍 一类非线性系统辨识的参数空间优化遗传算法[期刊论文]-控制与决策2001,16(6)
2. 韩志刚 多层递阶方法理论与应用的进展[期刊论文]-控制与决策2001,16(2)
3. 胡中功. 邹莉. 沈斌. HU Zhong-gong. ZOU Li. SHEN Bin 遗传算法在系统辨识中的应用[期刊论文]-渝西学院学报(自然科学版)2005,4(4)
4. 罗秋滨. 李秀英. 韩志刚. 冯汝鹏. LUO Qiu-bin. LI Xiu-ying. HAN Zhi-gang. FENG Ru-peng 一种非线性系统多项式逼近的建模方法[期刊论文]-系统仿真学报2008,20(4)
5. 薛荆岩. 巫红. 韩志刚 无模型控制方法在复杂大时滞系统控制中的应用研究[期刊论文]-自动化技术与应用2004,23(4)6. 张铁柱. 韩志刚. ZHANG Tie-zhu. HAN Zhi-gang 无模型控制律一般形式的收敛性分析[期刊论文]-电机与控制学报2006,10(3)
7. 徐小平. 钱富才. 王峰. XU Xiao-ping. QIAN Fu-cai. WANG Feng 非线性系统辨识方法研究[期刊论文]-计算机工程与应用2010,46(6)
8. 张晓东. 韩志刚 一种改进的多层递阶预报方法研究[期刊论文]-哈尔滨工业大学学报2002,34(3)
9. 王玲. 李建国. 洪炳熔. 韩志刚 直接自适应控制律的输人/输出稳定性分析[期刊论文]-自动化学报2001,27(5)10. 蒙祖强. 蔡自兴 一种基于并行遗传算法的非线性系统辨识方法[期刊论文]-控制与决策2003,18(3)
引证文献(67条)
1. 康珺,孟文俊,王倩怡 基于动态模糊神经网络的非线性系统辨识[期刊论文]-太原科技大学学报 2011(06)2. 李秀英,韩志刚 一种基于粒子群优化的非线性系统辨识方法[期刊论文]-控制与决策 2011(11)3. 夏志敏,赵志诚 一种基于支持向量机的非线性系统辨识方法[期刊论文]-太原科技大学学报 2010(05)
4. 龚固丰,章兢,何敏,王炼红 混合编码免疫算法在非线性系统辨识中的应用[期刊论文]-系统仿真学报 2009(12)5. 邵俊倩 模糊小波神经网络在控制系统应用中的研究[学位论文]硕士 20096. 王丹 基于频域非线性方法的铝蜂窝夹层结构动力学特性研究[学位论文]硕士 20067. 魏猛 基于LPC2210与μC/OS-Ⅱ的采油间歇控制器的设计[学位论文]硕士 2005
8. 康珺,孟文俊 一种基于改进神经网络的系统辨识方法[期刊论文]-计算机与数字工程 2012(01)9. 齐朝阳,郑恩让,侯再恩 迭代模型Smith预估控制:算法和稳定性[期刊论文]-控制工程 2015(01)10. 宣仲义 基于系统辨识方法的柴油机动力学模型建立[期刊论文]-科技通报 2012(01)11. 王峰,邢科义,徐小平 系统辨识的粒子群优化方法[期刊论文]-西安交通大学学报 2009(02)
12. 徐小平,钱富才,王峰 基于改进粒子群算法的系统辨识新方法[期刊论文]-系统工程与电子技术 2008(11)13. 徐小平,钱富才,王峰 应用速度变异粒子群的系统辨识方法研究[期刊论文]-计算机工程与应用 2008(01)14. 刘红,高伟 基于遗传算法的摩擦模型参数辨识[期刊论文]-科学技术与工程 2007(15)
15. 李昕奇,金勇 GA-BP神经网络在伺服系统辨识中的应用[期刊论文]-机械制造与自动化 2012(01)
16. 靳其兵,张建,权玲,曹丽婷 基于混合PSO-SQP算法同时实现多变量的结构和参数辨识[期刊论文]-控制与决策2011(09)
17. 徐小平,QIAN Fu-cai,刘丁,WANG Feng,王峰 基于PSO算法的系统辨识方法[期刊论文]-系统仿真学报 2008(13)18. 黄镇海,钟绍俊,谢敏,郭振武 神经网络变结构在液压伺服系统控制中的应用[期刊论文]-中国计量学院学报 2005(03)19. 李秀英 非线性系统的模糊辨识与控制[学位论文]硕士 2005
20. FU Hua,SHU Dan-dan,KANG Hai-chao,YANG Yi-kui Hybrid optimization model and its application inprediction of gas emission[期刊论文]-煤炭学报(英文版) 2012(03)
21. 付华,姜伟,单欣欣 基于耦合算法的煤矿瓦斯涌出量预测模型研究[期刊论文]-煤炭学报 2012(04)22. 赵天林 连续Hammerstein模型直接辨识方法研究[学位论文]硕士 2011
23. 杨海燕,兰宝华 基于PSO-WNN的无刷直流电机转子位置检测方法[期刊论文]-武汉工程大学学报 2010(01)24. 张建 基于粒子群算法的系统辨识方法研究与仿真[学位论文]硕士 2011
25. 兰宝华,刘建成 一种无刷直流电机转子位置检测方法的研究[期刊论文]-计算机工程与科学 2009(12)26. 杨兆欣 测试系统辨识方法及动态性能改进研究[学位论文]硕士 2009
27. 史婷娜,田洋,夏长亮 基于自适应小波网络的永磁无刷直流电机直接电压控制[期刊论文]-电工技术学报 2007(09)28. 付华,顾东,李俊平 Pso-Bp耦合算法在矿井瓦斯突出预测中的应用[期刊论文]-计算机系统应用 2012(01)29. 龚固丰 人工免疫系统在非线性系统辨识及预测控制中的应用研究[学位论文]博士 2008
30. 史婷娜,田洋,夏长亮 基于小波网络的永磁无刷直流电机无位置传感器控制[期刊论文]-天津大学学报 2007(02)31. 谭悦,孙建平,王建勇,张建萍 非线性模糊辨识新算法及其在热工过程中的应用[期刊论文]-自动化技术与应用2005(09)
32. 付华,乔德浩,池继辉 一种非线性系统参数辨识的耦合算法研究[期刊论文]-西安交通大学学报 2011(02)33. 朱磊 基于自抗扰空制技术的某坦克炮控系统应用研究[学位论文]硕士 2011
34. 王健 系统辨识在空调房间数学建模中的应用——基于系统辨识策略的大空间建筑空调房间热湿系统的建模与测试方法研究[学位论文]硕士 2006
35. 王洪如,刘强 利用支持向量机的摩擦模型参数辨识[期刊论文]-华侨大学学报(自然科学版) 2010(02)36. 顾彬彬 非线性动态测量系统建模研究[学位论文]硕士 2005
37. 高强 远程多管火箭炮电液位置伺服系统辨识与控制策略研究[学位论文]博士 200838. 高萍 基于神经网络的水下机器人广义预测控制技术研究[学位论文]硕士 200739. 赵剑 电动汽车蓄电池剩余电量预测方法的研究[学位论文]硕士 200640. 李飞 时变系统参数的小波辨识方法研究[学位论文]硕士 200941. 刘红 基于遗传算法的摩擦模型参数辨识研究[学位论文]硕士 200742. 梁颖杏 基于神经网络的三容水箱液位控制系统辨识[学位论文]硕士 200843. 姚哲卿 虚拟制冷实验平台与数值实验[学位论文]硕士 200544. 刘玉孝 开关磁阻发电机供电系统仿真分析[学位论文]硕士 200845. 钟洋 化工过程辨识方法的研究[学位论文]硕士 200846. 李万林 三催化装置的优化改造[学位论文]硕士 2008
47. 何熠 基于支持向量机的非线性系统辨识建模与控制[学位论文]博士 200648. 刘涛 基于LabVIEW的智能pH值控制系统的研究[学位论文]硕士 2006
49. 熊晓燕 复杂机械系统动态特性分析和实验辨识方法的研究[学位论文]博士 200850. 田洋 基于小波网络的永磁无刷直流电机无位置传感器控制[学位论文]硕士 200751. 张晶 电熔镁炉电极调节系统建模研究[学位论文]硕士 2008
52. 张强 发电机励磁调节器的蚁群优化设计及模型的神经网络辨识[学位论文]硕士 200653. 瞿海妮 基于神经网络的磁悬浮轴承系统辨识研究[学位论文]硕士 200654. 杜坚 基于遗传算法的液压减振器摩擦参数辨识[学位论文]硕士 201155. 陈建华 磁力轴承系统的模糊建模与模糊控制研究[学位论文]硕士 200656. 朱耀春 基于基因表达式编程技术的非线性系统辨识研究[学位论文]博士 200857. 王巍 催化裂化装置的控制研究[学位论文]硕士 2009
58. 兰宝华 无刷直流电动机无位置传感器位置检测技术的研究[学位论文]硕士 200959. 韩爱国 直线电机运动系统的参数辨识技术研究[学位论文]博士 200860. 于秀丽 自行车机器人非线性系统的控制及实现[学位论文]博士 201061. 蒋毅恒 基于遗传编程的协调控制系统建模和设计[学位论文]博士 200862. 刘涛 基于LabVIEW的智能pH值控制系统的研究[学位论文]硕士 2006
63. 李丽香 一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究[学位论文]博士 200664. 王天 新型碟形水下机器人及其航姿预测控制系统研究[学位论文]博士 201365. 郭健全 网络环境下区域经济发展与控制问题研究[学位论文]博士 2006
66. 张广辉 工业生物发酵过程在线检测、建模、控制方法与应用研究[学位论文]博士 200667. 郭健全 网络环境下区域经济发展与控制问题研究[学位论文]博士 2006
引用本文格式:李秀英. 韩志刚 非线性系统辨识方法的新进展[期刊论文]-自动化技术与应用 2004(10)