几类块导向非线性系统的递推辅助变量辨识方法的综述报告.docx

几类块导向非线性系统的递推辅助变量辨识方法的综述报告
非线性系统是指系统的输入与输出之间的关系不满足线性模型。这使得非线性系统的建模与控制变得更加困难。为了解决这个问题，研究人员一直在寻找有效的方法来辨识非线性系统的递推辅助变量，以帮助理解和控制非线性系统。因此，本文将综述几类块导向非线性系统的递推辅助变量辨识方法。
1.基于辅助变量模型的方法
辅助变量模型是非线性系统递推辅助变量的一种表示方法。这种方法通过将非线性系统表示为一个辅助变量模型，然后使用系统辨识技术对该模型进行辨识。这种方法通常需要对系统进行多项式拟合以获得其辅助变量模型。该方法的优点是易于实现和理解，但它的主要缺点是需要人为选取多项式的次数和形式，这可能导致模型过于简单或过于复杂。
2.基于神经网络的方法
神经网络是非线性系统递推辅助变量的另一种表示方法。这种方法将非线性系统表示为一个多层的神经网络，然后使用监督学习算法对该神经网络进行辨识。由于神经网络具有极强的映射能力，所以这种方法可以概括任意非线性系统的辅助变量。同时，神经网络可以进行灵活的参数设置和调整，因此在一定程度上解决了对多项式次数和形式的选取的问题。
3.基于系统辨识的方法
该方法基于测试数据(输入与输出)对非线性系统进行建模。该方法采用参数估计技术来寻找与一组测试数据相关联的递推辅助变量。这种方法的优点在于仅需要输入输出数据即可，因此可以通过现场测试获得非线性系统的辅助变量模型。但是，该方法的一大缺点是必须有足够的测试数据才能进行有效的系统辨识。
4.基于系统识别和模型预测控制的方法
该方法结合系统辨识和模型预测控制的优点，将系统辨识方法用于确定递推辅助变量，然后将其用于预测和控制非线性系统。这种方法能够有效预测和控制非线性系统，不过需要更为高级的控制算法。
综上所述，不同的辨识方法都有其自身的优缺点。选择适当的辨识方法，应根据问题，数据收集等因素综合考虑。