[发明专利]一种基于结构自适应滤波的非线性系统辨识方法

权利要求书

1.一种基于结构自适应滤波的非线性系统辨识方法，其特征在于，其步骤如下：

步骤一：确定辨识对象，获得辨识对象的输入数据和相应的输出数据并作为数据集，将数据集分为训练集和测试集；

步骤二：构建自适应滤波模型：根据生成参数随机的选择一阶子系统和二阶子系统，各个一阶子系统或二阶子系统按照连接规则进行随机级联，构成完整的自适应滤波模型；初始化演化算法，并利用演化算法评价初始的自适应滤波模型，选出最优的自适应滤波模型；

步骤三：演化算法进行循环迭代，在训练集上对自适应滤波模型训练，以找到步骤二最优的自适应滤波模型的最优的结构和参数；

步骤四：利用步骤三中训练好的结构和参数最优的自适应滤波模型在测试集上进行测试，得到辨识对象的实际输出；

所述步骤二中子系统按照连接规则进行随机级联的方法为：演化算法的种群大小为NP即有NP个个体，初始种群的NP个个体按照约束条件随机生成，每个单独的个体为一条指令，包含子系统的具体信息按照每个指令存储的信息生成NP个自适应滤波模型；每个个体包括集合θ＝[θ_s¹,θ_s²，…,θ_sⁱ,…，θ_s^m]，每个子系统θ_sⁱ＝[I,O,T,C,P]，其中，i为1,2,…,m，m为子系统的个数；每个子系统包括输入节点I、输出节点O、子系统的类型T、连接方式C和参数P，每个子系统有四个参数，四个参数在一定值域内用随机数函数生成，四个参数保证子系统线性部分的系统模型是稳定的，即传递函数的极点在单位圆内；

所述步骤二和步骤三中的演化算法为基于自适应多精英引导的复合差分进化算法；

所述复合差分进化算法的实现步骤为：

第一步，随机生成NP个个体产生初始种群P0，每个个体是一个命令序列称为目标向量X^G_i，每个命令序列指导生成一个完整的结构和参数随机的自适应滤波模型；

第二步，计算目标向量的适配度：计算初始种群P0所有个体的适配度，选出NP个个体中适配度最小的个体，判断其适配度是否为0，即目标向量是否为全局最优，若是则输出最佳个体，结束计算；否则，执行第三步；

第三步，进行变异操作，两个试验向量和分别由突变算子M1和突变算子M2产生，突变算子M1从逻辑局部最优解中学习，突变算子M2从随机选择的较优解中学习；试验向量和经过二项式交叉后生成新的试验向量和

第四步，进行选择，试验向量和中最好的一个被作为目标向量的最终试验向量并存活且进入下一代；选择过程中丢弃的目标向量放入一个外部库A中，外部库A的大小超过NP，随机删除外部库A中多余的个体；

第五步，查看种群中NP个目标向量各自参数取值是否在合理的范围内，若不在则用随机函数在约束范围内更新目标向量的参数；

第六步，每一代结束时，启动转移机制，通过多样化策略或收敛策略进行转移；

第七步，返回第二步进行比较。

2.根据权利要求1所述的基于结构自适应滤波的非线性系统辨识方法，其特征在于，所述步骤一中的辨识对象是液体饱和蒸汽换热器，液体饱和蒸汽换热器是一个的非线性基准系统且是单输入单输出模型；输入数据是液体流量、蒸汽温度和入口液体温度的数据，输出数据是出口液体温度的数据，数据集来自于DaISy数据库。

3.根据权利要求1或2所述的基于结构自适应滤波的非线性系统辨识方法，其特征在于，所述步骤二中自适应滤波模型由多个子系统组成，子系统包括一阶子系统和二阶子系统，一阶子系统由一个延迟器、两个乘法器、两个加法器和一个非线性静态函数组成，二阶子系统由两个延迟器、四个乘法器、三个加法器和一个非线性静态函数；所述一阶子系统和二阶子系统在自适应滤波模型中出现的概率相同。