ガウシャンプロセスとベイズ推定に基づくHammersteinシステムの二段階同定

基于高斯过程和贝叶斯估计的Hammerstein系统两步辨识

基本信息

批准号：
22K04142
负责人：
八野知博
金额：
$ 0.75万
依托单位：
Kagoshima University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究では、Hammersteinシステムを対象とし、進化型ガウシャンプロセスモデルとベイズ推定の協調による、簡便で高精度なシステム同定アルゴリズムを提供することを目的としている。本年度は、離散時間Hammersteinシステムを対象とし、同定用入力信号の印加方法を工夫して非線形静的部の推定と線形動的部の推定を二段階に分離することにより、簡便かつ高精度な二段階同定アルゴリズムを導出した。具体的には、第１段階で複数個の一定値信号に対する定常出力値を計測し、これらの定常値入出力データを用いて、進化型ガウシャンプロセスモデルの学習により対象システムの非線形静的部を推定する。次に第２段階で対象システムに新たな持続振動的入力信号を加えてその出力を計測した後、第１段階で推定済みの非線形静的部を用いて、ガウシャンプロセスの枠組みで対象システムの中間信号を推定し、推定中間信号と出力値から対象システムの線形動的部を推定するアルゴリズムである。開発した同定アルゴリズムを計算機上で実現するため、MATLABコード化も行った。入力部に非線形増幅器を有する直流電動機を離散時間Hammersteinシステムに見立てたシミュレーション実験により、本同定法では、従来の一括同定法と比べて同等の同定精度を保持しつつ、同定に要する計算時間を大幅に短縮できることを明らかにした。また、線形動的部の次数を上げていっても同定精度には劣化が見られないことも確認した。

本研究的目的是通过结合进化高斯过程模型和贝叶斯估计，为 Hammerstein 系统提供一种简单且高精度的系统识别算法。今年我们将重点研究离散时间Hammerstein系统，通过设计输入信号进行辨识的应用方法，将非线性静态部分的估计和线性动态部分的估计分为两个阶段，开发推导了一种简单且高精度的两阶段系统。具体来说，第一步，测量多个恒定值信号的稳定输出值，并使用这些稳定值输入/输出数据通过学习进化高斯过程估计来学习目标系统的非线性静态部分。接下来，在第二阶段，在向目标系统添加新的连续振荡输入信号并测量其输出后，目标系统是估计中间信号并从估计的中间信号估计目标系统的线性动态部分的算法。信号和输出值。为了在计算机上实现所开发的识别算法，还进行了MATLAB编码。将输入部分带有非线性放大器的直流电机视为离散时间Hammerstein系统的仿真实验表明，该辨识方法在保持与传统批量辨识方法相同的辨识精度的同时，显着减少了辨识所需的计算时间。已经证明它可以缩短为。我们还确认，即使增加线性动态部分的阶数，识别精度也不会下降。