基于非正交核函数的NARX系统辨识  

NARX system identification based on nonorthogonal kernel function

作　　者：王树朋[1] 闫丽[1] 付丽华[1] 李宏伟[1] 

机构地区：[1]中国地质大学(武汉)数理学院,武汉430074

出　　处：《计算机工程与应用》2012年第22期166-170,238,共6页Computer Engineering and Applications

基　　金：国家自然科学基金(No.11026145;No.61102103;No.61071188);湖北省自然科学基金(No.2010CDB04205)

摘　　要：针对非线性自回归模型(Nonlinear Auto-Regressive with extrainput,NARX)系统辨识问题,利用非正交的方法来构造较为稀疏的逼近NARX模型的径向基函数模型。与已有的径向基或其他的核模型只采用同一固定的尺度不同,采用多个尺度,通过最小化当前训练误差,选择最佳的核中心和尺度参数。在学习过程中,采用非正交核函数的方法进行模型逐步回归。对样本数据利用k均值聚类算法得到核函数中心参数备选项,同时设置多个备选尺度,并通过最小二乘法求得相应核函数的权值,利用前向选择方法从中找出使模型误差最小的最优核函数。仿真实验验证了方法在泛化性能和稀疏性方面的可行性。According to the NAR.X identification problems, it constructs a more sparser NARX models using the ra- dial basis function models with the nonorthogonal kernels. Compared with the traditional radial basis or other kernel models who use a common scale, it uses multiscales and selects the center and scale parameters by minimizing the training error. In the learning phase, it constructs models incrementally by the nonorthogonal kernel method. Using the k-means clustering train the data set to obtain the centers which will be selected, set multiscales, and get the cor- respohding weights with the least squares, then fred the best kernel function that make the smallest model error using the forward selection. Experiments show that the proposed method is feasible in generalization and the sparse.

关 键 词：NARX模型 径向基函数 前向选择 K均值聚类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]