侯玉雯， 王宏伟,2*

(1.新疆大学电气工程学院， 乌鲁木齐 830047； 2.大连理工大学控制科学与工程学院， 大连 116024)

在非线性系统辨识中，基于块结构非线性动态模型辨识是其中一个研究方向。这类模型同时结合了动态线性模型和静态(无记忆)非线性函数模块，具有较易辨识、计算量少的优点，能较好地反映过程特征，应用非常广泛。这类模型中，Hammerstein模型是经常使用的模型。这种模型能够较好地反映一大类非线性过程，如酸碱度(pH)中和滴定过程、干燥过程、非线性预报器[1]等。近年来，很多学者围绕着Hammerstein模型展开了广泛和深入的研究。

在Hammerstein模型的非线性环节的研究中，Sung等[2]提出一种特殊测试信号对多项式类的非线性进行研究辨识。但对于这种方法，只能针对于多项式，在实际应用中，具有一定局限性。在此基础上，Lü等[3]提出应用神经模糊方法来逼近非线性环节。该方法既可避免迭代，又可以应用于分段非线性函数。而神经网络、模糊系统、神经模糊系统等方法可以任意精度逼近任意非线性系统，所以该法的研究是当前的热点[4-6]。

在Hammerstein模型的参数辨识研究中。主要包括非线性模块的参数辨识和线性模块的参数辨识。这类的辨识方法主要有：迭代法[7]、过参数法[8]、频域法[9]、组合信号源方法。采用组合信号源方式，可以将静态非线性环节和动态线性环节解耦分离，再通过重构中间变量等方法辨识各环节参数。由于利用组合信号将静态非线性环节和动态线性环节隔离开，便于采用不同信号进行分离辨识，这种辨识方法具有简单、计算量小等优点[1,3,10-14]。……