保精度-稀疏特性核回归模型的非线性动态系统辨识
2020-08-03刘小雍方华京
科学技术与工程 2020年19期
刘小雍, 方华京
(1.遵义师范学院工学院,遵义 563002;2.华中科技大学自动化学院,武汉 430074)
近年来,基于核学习方法[1]的非线性动态系统建模无论在线性还是非线性架构下[2-3],都表现出了优越的建模特性,包括在时域和频域方面的建模研究。核方法跟传统的建模方法不一样,在非参数模式下采用了无限维学习模型,主要通过正确选取规则化参数[4-5]来避免模型的过拟合问题。然而,当前基于一组有限测量数据条件下的非线性动态系统建模问题,其主要研究是通过最小化逼近误差的某种最优标准来建立研究对象的非线性数学模型,这些标准包括极大似然估计[6]、最小二乘估计[7]、最大后验估计[8]、最小方差估计[9]以及基于卡尔曼滤波的参数估计方法[10]等。这些方法所具有的共同特征可归结为经验风险最小化标准,即为了获取非线性函数的最佳逼近,将模型预测输出与实际测量输出之间的偏差作为评判,虽然建模精度很高,却极大地损失了模型的稀疏特性[11]。进一步,文献[12]通过一个简单实例论证了经验风险最小化所引起的过拟合问题。基于经验风险最小化的建模方法应用是很广泛的,例如根据风电机组功率曲线建立的数学模型,可以很好地描述风速与功率输出的变化关系,同时也作为监测和预测风能的重要工具;因此,文献[13]从风速和涡轮功率角度出发,采用最大似然估计的方法挖掘出两者之间最可能出现的概率密度函数。针对实际工程系统中的时变参数问题,一种新的分布式扩散型算法[14]应用扩散最大后验算法对时变参数进行了跟踪。……
登录APP查看全文
