Гибридный алгоритм идентификации модели Гаммерштейна, линейной по состояниям

Abstract

Запропоновано гібридний алгоритм ідентифікації нелінійної динамічної моделі Гаммерштейна, в якій статична нелінійність моделюється нейронною мережею радіальних базисних функцій (НМРБФ), а лінійна динамічна частина — моделлю простору станів. Алгоритм використовує оптимізацію рою частинок (ОРЧ) для оцінки параметрів НМРБФ та ідентифікацію підпростору (ІП) для оцінки параметрів лінійної частини. Чисельний приклад демонструє ефективність запропонованого алгоритму ОРЧ/IП.

Hybrid algorithm is proposed for identification of nonlinear dynamic Hammerstein model where static nonlinearity is modelled with radial basis functions neural network (RBFNN) and linear dynamic part — with state-space model. The algorithm uses particle swarm optimization (PSO) for RBFNN parameters estimating and subspace identification (SI) — for linear part parameters. Numerical example demonstrates the effectiveness of the PSO/SI algorithm proposed.