基于基因表達(dá)式編程技術(shù)的非線性系統(tǒng)辨識(shí)研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代工業(yè)過(guò)程變得越來(lái)越復(fù)雜，了解復(fù)雜對(duì)象的詳細(xì)行為特征也越來(lái)越困難?；谟^測(cè)數(shù)據(jù)通過(guò)系統(tǒng)辨識(shí)方法獲取的對(duì)象數(shù)學(xué)模型，是人們對(duì)系統(tǒng)分析及控制的基礎(chǔ)。近幾十年來(lái)系統(tǒng)辨識(shí)方法已成為復(fù)雜非線性系統(tǒng)研究的重要手段，在各工程領(lǐng)域都得到廣泛應(yīng)用，然而，由于實(shí)際對(duì)象的復(fù)雜性，現(xiàn)有的辨識(shí)方法還存在著難以克服的困難，還有進(jìn)一步研究的必要。 基因表達(dá)式編程(GEP)技術(shù)是近幾年來(lái)發(fā)展起來(lái)的全局優(yōu)化搜索技術(shù)，其超強(qiáng)的搜索能力和極高的

2、進(jìn)化效率，使它迅速在許多領(lǐng)域里得到了應(yīng)用。本文利用GEP技術(shù)，以模型的可解釋性、簡(jiǎn)單實(shí)用性和辨識(shí)智能化為研究目標(biāo)，研究了非線性模型辨識(shí)的進(jìn)化方法，其主要內(nèi)容可概括如下： 1．給出了利用GEP進(jìn)行系統(tǒng)辨識(shí)的基本思想和實(shí)現(xiàn)框架，結(jié)合遺傳算法、模擬退火算法和粒子群優(yōu)化算法，提出了一種從GEP表達(dá)式中進(jìn)行常量提取和常量?jī)?yōu)化的方法，進(jìn)行了靜態(tài)非線性系統(tǒng)和時(shí)間序列預(yù)測(cè)模型辨識(shí)的研究，通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的穩(wěn)定性和優(yōu)越性。 2．分析了進(jìn)

3、化算法對(duì)動(dòng)態(tài)系統(tǒng)進(jìn)行建模的不足，提出了一種獨(dú)特的動(dòng)態(tài)項(xiàng)生成方案，引入可變終止符集概念，可以自由地生成動(dòng)態(tài)系統(tǒng)所需的動(dòng)態(tài)項(xiàng)。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了可變終止符集具有較高的性能。 3．根據(jù)NARMAX模型和GEP多基因染色體的特點(diǎn)，提出了利用GEP進(jìn)行各類NARMAX模型的系統(tǒng)辨識(shí)方法，給出了更加有效的模型描述方式，簡(jiǎn)化了染色體到模型的映射機(jī)制。 4．提出了GEP算法進(jìn)行Hammerstein模型辨識(shí)的方案，通過(guò)加入一些超越函數(shù)，

4、擴(kuò)展了Hammerstein模型非線性部分的函數(shù)形式，有效地降低了模型非線性部分的項(xiàng)數(shù)。 5．分析了現(xiàn)有系統(tǒng)建模中多目標(biāo)方案的不足，提出了更加有效的綜合精度和復(fù)雜度指標(biāo)的多目標(biāo)優(yōu)化方案，并以多項(xiàng)式NARMAX模型的辨識(shí)算法為例，給出了具體的實(shí)現(xiàn)過(guò)程。定義了精度閾值和復(fù)雜度指標(biāo)上限值，通過(guò)自調(diào)整方式，將進(jìn)化種群中的有效解控制在預(yù)定義的范圍內(nèi)?？朔嗽卸嗄繕?biāo)優(yōu)化算法有效解過(guò)多、容易使進(jìn)化早熟的缺點(diǎn)，最終得到一組復(fù)雜度和精確度取得很