Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2016-04-21

Journal: 哈尔滨工业大学学报

Included Journals: Scopus、EI、CSCD、ISTIC、PKU

Volume: 48

Issue: 4

Page Number: 109-113

ISSN: 0367-6234

Key Words: 竞争学习;模糊辨识;多采样率系统;非均匀采样;非线性系统

Abstract: 在实际非线性系统中，由于资源的限制，使得输入信号快速刷新，输出信号慢速采样。利用获得的非均匀采样数据对原非线性系统辨识存在一定困难。为此，通过提升技术，把非线性系统的多个特征点局部的线性模型转化为模糊模型的后件线性模型。在此基础上，提出基于竞争学习和递推梯度下降方法的辨识算法。通过定理证明：输入信号在持续激励条件下，模糊模型的参数能够一致性收敛；针对化工pH中和过程非线性系统，采用非均匀采样数据，建立其模糊模型，通过实际数据与模糊模型输出数据误差对比，表明了实际系统在非均匀采样条件下，模糊辨识能够建立其过程模型，验证了提出方法的有效性。