[发明专利]基于组合式信号源的神经模糊Wiener-Hammerstein模型辨识方法在审
| 申请号： | 201810641361.2 | 申请日： | 2018-06-21 |
| 公开（公告）号： | CN109002836A | 公开（公告）日： | 2018-12-14 |
| 发明（设计）人： | 张亚楠 | 申请（专利权）人： | 常州轻工职业技术学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京正联知识产权代理有限公司 32243 | 代理人： | 朱晓凯 |
| 地址： | 213164 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于组合式信号源的神经模糊Wiener‑Hammerstein模型辨识方法，包括步骤：构建单输入单输出的由输入动态线性环节、输出动态线性环节以及静态非线性环节串联形成的Wiener‑Hammerstein模型；由高斯信号和二进制信号组合形成多信号源作为模型的输入；通过多信号源对串联的动态线性环节和静态非线性环节进行分离辨识；并由神经模糊系统对静态非线性环节采用神经模糊系统逼近；其中，若输入为高斯信号，则根据指定定理对所述Wiener‑Hammerstein的串联模块进行有效分离，并根据二进制信号的不激发特性对输入动态线性环节的输入乘积模型和输出动态线性环节的输出乘积模型进行正确分离，以获取静态分线性环节的组成变量参数；本发明的辨识方法大大简化了模型的辨识过程，且模型预测精度高。 | ||
| 搜索关键词： | 动态线性 非线性环节 辨识 环节 神经模糊系统 二进制信号 多信号源 高斯信号 模型辨识 信号源 组合式 输出 串联 神经 模糊 变量参数 串联模块 模型预测 线性环节 有效分离 单输出 单输入 构建 逼近 激发 | ||
【主权项】：
1.基于组合式信号源的神经模糊Wiener‑Hammerstein模型辨识方法，其特征在于，所述辨识方法包括步骤：S1：构建单输入单输出的由输入动态线性环节、输出动态线性环节以及静态非线性环节串联形成的Wiener‑Hammerstein模型；S2：由高斯信号和二进制信号组合形成多信号源，作为所述Wiener‑Hammerstein模型的输入；S3：通过所述多信号源对串联的所述输入动态线性环节、输出动态线性环节和所述静态非线性环节进行分离辨识；并根据神经模糊系统具有逼近任一分线性系统的能力，对所述静态非线性环节采用神经模糊系统逼近；S4：其中，若输入为高斯信号，则根据指定定理对由所述Wiener‑Hammerstein的串联模块进行有效分离，并根据所述二进制信号的不激发特性对所述输入动态线性环节的输入乘积模型和所述输出动态线性环节的输出乘积模型进行正确分离，以获取所述静态分线性环节的组成变量参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于常州轻工职业技术学院，未经常州轻工职业技术学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810641361.2/，转载请声明来源钻瓜专利网。
