黑箱方法

基于数据的机械论黑箱辨识方法研究

孔照丹;罗文波;何蕊

【期刊名称】《系统仿真学报》

【年(卷),期】2007(19)11

【摘要】总结了基于数据的机械论(Data-badMechanistic)黑箱辨识算法(简称

DBM)在常规黑箱辨识算法中的基本框架和两类重要模型时变参数(TimeVariant

Parameter)模型(简称TVP)和状态依存参数(StateDependentParameter)模型

(简称SDP)的特点,并利用DBM方法和其他非线性辨识算法分别对时变参数方程和

杜芬方程进行分析和比较,发现尽管方法本身具有拟合精度高,不存在过拟合现象,可

以较精确的反应参数对于状态或者时间的依存关系等特点,但是SDP方法在分析复

杂问题时存在搜索效率低,计算时间长的缺点。最后通过引入遗传算法对搜索方式

进行改进,从而降低了所要搜索的规模,大大减少了计算量。

【总页数】5页(P2429-2433)

【关键词】非线性系统;黑箱辨识;基于数据的机械论方法;遗传算法

【作者】孔照丹;罗文波;何蕊

【作者单位】哈尔滨工业大学卫星技术研究所

【正文语种】中文

【中图分类】N945.1

【相关文献】

1.基于多源城市交通出行数据的定制公交需求辨识方法研究[J],陈汐;王印海;代壮;

马晓磊

2.基于多维度相关性分析的电压缺失数据辨识方法研究[J],李绍坚;韦明超;甘静;

王国汪;莫江婷

3.基于数据关联分析的配电网谐波问题研究及薄弱点辨识方法[J],桂海涛;田君杨;

金益煊;侯和明;李任明

4.基于离群数据挖掘的低压窃电行为辨识方法研究[J],唐伟宁;刘颖;于旭;董冠良

5.基于数据驱动的晶体直径模型辨识方法研究[J],张西亚;高德东;王珊;林光伟;高

俊伟

因版权原因，仅展示原文概要，查看原文内容请购买