基于神经网络的Hammerstein非线性动态系统辨识  

Identification of Hammerstein Nonlinear Dynamic System Based on Neural Network

作　　者：刘华卿 李峰(指导) 李诚豪 高歌 王翔 杨兵兵 刘宏帅 LIU Huaqing;LI Feng;LI Chenghao;GAO Ge;WANG Xiang;YANG Bingbing;LIU Hongshuai(School of Electrical and Information Engineering,Jiangsu University of Technology,Changzhou 213001,China;Chongqing University-University of Cincinnati Joint Co-op Institute,Chongqing 400044,China)

机构地区：[1]江苏理工学院电气信息工程学院,江苏常州213001 [2]重庆大学-辛辛那提大学联合学院,重庆400044

出　　处：《江苏理工学院学报》2021年第2期9-15,共7页Journal of Jiangsu University of Technology

基　　金：国家自然科学基金项目“基于深度学习的复杂工业过程块结构模型研究”(62003151);江苏省基础研究计划(自然科学基金)“基于数据驱动的模块化非线性系统辨识方法研究”(BK20191035);江苏省高等学校自然科学研究面上项目“基于深度学习的块结构非线性工业过程动态模型化研究”(19KJB120002);江苏省高等学校大学生创新创业训练项目“工业过程块结构模型辨识建模理论与方法研究”(202011463032Y)。

摘　　要：针对单输入单输出的Hammerstein非线性动态系统,提出了一种基于神经网络的Hammerstein非线性动态系统辨识方法。首先,利用BP神经网络建立Hammerstein非线性系统的静态非线性模块,利用自回归模型建立Hammerstein非线性系统的动态线性模块;其次,基于二进制信号的输入和输出,利用经典的最小二乘方法计算动态线性模块的未知参数;最后,利用随机梯度下降方法辨识BP神经网络的权值。仿真结果表明,提出的方法能够有效辨识基于神经网络的Hammerstein非线性动态系统。Considering a single input and single output Hammerstein nonlinear dynamic system,an identification method of the Hammerstein nonlinear dynamic system based on neural network is proposed.To begin with,the static nonlinear block of the Hammerstein nonlinear system is modeled by BP neural network,and the dynamic linear block of the Hammerstein nonlinear system is established by autoregressive model.Moreover,with the help of the input and output of binary signal,the classical least square method is used to calculate the unknown parameters of the dynamic linear block,and the random gradient descent method is applied into identifying the weights of the BP neural network.Simulation results show that the proposed method can effectively identify Hammerstein nonlinear dynamic system based on neural network.

关 键 词：Hammerstein非线性系统 神经网络 最小二乘 随机梯度 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]