[发明专利]基于LWDNN-ARX模型的非线性系统建模方法

摘要

本发明公开了一种基于LWDNN‑ARX模型的非线性系统建模方法，针对实际工业生产过程中普遍难以获得复杂非线性系统机理数学模型的情况，采用鲁棒性好、精度高的LWDNN‑ARX模型来描述系统的动态特性。本发明运用线性加权两个深度神经网络、局部线性化方法以及状态相依ARX模型构建出LWDNN‑ARX模型结构，在此基础上，通过梯度下降算法得到LWDNN(线性加权深度神经网络)的参数并选择最优的阶次。本发明以增加少量计算量为代价提高了系统辨识模型的预测精度和鲁棒性，特别在有大量输入输出训练样本的情况下，具有更多的模态并且模型的预测精度会进一步提升，具有较高的实用价值和应用前景。

主权项

1.一种基于LWDNN‑ARX模型的非线性系统建模方法，其特征在于，包括以下步骤：1)根据问题规模构建LWDNN‑ARX模型，选择LWDNN‑ARX模型的输入阶次p、输出阶次q和状态向量维数d；2)对LWDNN‑ARX模型进行前向运算得到预测输出，以预测输出和期望输出的结构风险损失函数最小化为目标，通过反向传播算法进行参数优化，得到最优参数w；3)根据所述最优参数w，计算出基于LWDNN‑ARX模型的预测值和损失函数值；4)重复上述步骤1)～步骤3)，选择当损失函数值为最小情况下的阶次作为LWDNN‑ARX模型的当前阶次，比较在当前阶次下不同结构的损失函数大小，并选取损失函数值为最小情况下的结构作为当前结构；5)重复上述步骤1)～步骤4)，比较不同阶次不同结构的损失函数，并选取最小损失函数值相应的组合作为最后的LWDNN‑ARX模型。