Iterativa uppskattningsmetoder för Hammerstein-kontrollerade autoregressiva glidande medelvärden baserat på nyckelbegreppsskillnadsprincipen Citera denna artikel som: Shen, Q. Ding, F. Nonlinear Dyn (2014) 75: 709. Doi: 10.1007s11071-013-1097-z I detta dokument behandlas iterativa identifieringsproblem för ett icke-linjärt Hammerstein-system som består av ett minnesfritt nonlinear block följt av ett linjärt dynamiskt block. Problemet med identifieringen är att det icke-linjära systemet Hammerstein innehåller produkterna av parametrarna för den olinjära delen och den linjära delen, vilket leder till att parametrarna inte identifieras. För att erhålla unika parametrisuppskattningar uttrycker vi systemets utmatning som en linjär kombination av alla systemparametrar med hjälp av den nyckelbegrepps separationsprincipen och härleder en gradientbaserad iterativ identifieringsalgoritm genom att ersätta de okända variablerna i informationsvektorerna Med sina uppskattningar. Simuleringsresultaten visar att den föreslagna algoritmen kan fungera bra. Iterativ algoritm Parameteruppskattning Rekursiv identifiering Gradientsökning Hammerstein-system Nyckelordseparitetsprincip Referenser Ding, F. SystemidentifikationNew Theory and Methods. Science Press, Beijing (2013) Google Scholar Farjoud, A. Ahmadian, M. Icke-linjär modellering och experimentell karakterisering av hydrauliska dämpare: effekter av shim stack och öppningsparametrar på spjällets prestanda. Icke-linjär dyn. 67 (2), 14371456 (2012) CrossRef Google Scholar Shams, S. Sadr, M. H. Haddadpour, H. En effektiv metod för olinjär aeroelasticy av smala vingar. Icke-linjär dyn. 67 (1), 659681 (2012) CrossRef MATH MathSciNet Google Scholar Li, J. H. Ding, F. Yang, G. W. Maximal sannolikhet för minst kvadratiska identifieringsmetoder för inmatning av olinjära ändliga impulsresponsrörelser i genomsnittliga system. Matematik. Comput. Modell. 55 (34), 442450 (2012) CrossRef MATH MathSciNet Google Scholar Wang, W. Ding, F. Dai, J. Y. Maximal sannolikhet minsta kvadreringsidentifiering för system med autogegrativt glidande medelstora ljud. Appl. Matematik. Modell. 36 (5), 18421853 (2012) CrossRef MATH MathSciNet Google Scholar Wang, S. J. Ding, R. Trestegs rekursiv minsta kvadratparametrar uppskattning för kontrollerade autoregressiva autoregressiva system. Appl. Matematik. Modell. 37 (1213), 74897497 (2013) CrossRef MathSciNet Google Scholar Liu, Y. J. Sheng, J. Ding, R. F. Konvergens av stochastisk gradientestimeringsalgoritm för multivariabla ARX-liknande system. Comput. Matematik. Appl. 59 (8), 26152627 (2010) CrossRef MATH MathSciNet Google Scholar Ding, F. Yang, H. Z. Liu, F. Prestationsanalys av stokastiska gradientalgoritmer under svaga förhållanden. Sci. Kina, Ser. F 51 (9), 12691280 (2008) CrossRef MATH MathSciNet Google Scholar Ding, F. Liu, X. P. Liu, G. Gradientbaserade och minst kvadrater baserade iterativa identifieringsmetoder för OE - och OEMA-system. Siffra. Signalprocess. 20 (3), 664677 (2010) CrossRef Google Scholar Liu, Y. J. Xiao, Y. S. Zhao, X. L. Multi-innovations stokastisk gradientalgoritm för multipeldata-singelsystem med hjälp av hjälpmodellen. Appl. Matematik. Comput. 215 (4), 14771483 (2009) CrossRef MATH MathSciNet Google Scholar Liu, M. M. Xiao, Y. S. Ding, R. F. Iterativ identifieringsalgoritm för Wiener-olinjära system som använder Newton-metoden. Appl. Matematik. Modell. 37 (9), 65846591 (2013) CrossRef MathSciNet Google Scholar Ding, F. Ma, J. X. Xiao, Y. S. Newton iterativ identifiering för en klass av utgående olinjära system med glidande medelljud. Icke-linjär dyn. 74 (12), 2130 (2013) CrossRef MathSciNet Google Scholar Li, J. H. Ding, R. Parameteruppskattningsmetoder för olinjära system. Appl. Matematik. Comput. 219 (9), 42784287 (2013) CrossRef MathSciNet Google Scholar Rashid, M. T. Frasca, M. Icke-linjär modellidentifikation för artemia-populationens rörelse. Icke-linjär dyn. 69 (4), 22372243 (2012) CrossRef MathSciNet Google Scholar Ding, F. Hierarkisk multi-innovations stokastisk gradientalgoritm för icke-linjär systemmodellering Hammerstein. Appl. Matematik. Modell. 37 (4), 16941704 (2013) CrossRef MathSciNet Google Scholar Ding, F. Duan, H. H. Tvåstegs parametrisuppskattningsalgoritmer för Box-Jenkins-system. IET-signalprocess. 7 (8), 646654 (2013) CrossRef Google Scholar Ding, F. Liu, G. Liu, X. P. Delvis kopplade stokastiska gradientidentifieringsmetoder för ojämnt samplade system. IEEE Trans. Autom. Control 55 (8), 19761981 (2010) CrossRef MathSciNet Google Scholar Ding, F. Kopplad-minsta kvadreringsidentifiering för multivariabla system. IET Control Theory Appl. 7 (1), 6879 (2013) CrossRef MathSciNet Google Scholar Ding, J. Fan, C. X. Lin, J. X. Hjälpmodellbaserad parameteruppskattning för dubbelsatsutmatningsfelsystem med färgat brus. Appl. Matematik. Modell. 37 (6), 40514058 (2013) CrossRef MathSciNet Google Scholar Ding, F. Kombinerade tillstånd och minsta kvadratparametrar uppskattningsalgoritmer för dynamiska system. Appl. Matematik. Modell. 37 (2013). Doi: 10,1016j. apm.2013.06.007 Li, J. H. Parameteruppskattning för Hammerstein CARARMA-system baserade på Newton-iterationen. Appl. Matematik. Lett. 26 (1), 9196 (2013) CrossRef MATH MathSciNet Google Scholar Ding, J. Ding, F. Liu, X. P. Liu, G. Hierarkiska minsta kvadrater identifiering för linjära SISO-system med dubbelsidig samplad data. IEEE Trans. Autom. Kontroll 56 (11), 26772683 (2011) CrossRef MathSciNet Google Scholar Wang, D. Q. Ding, R. Dong, X. Z. Iterativ parameteruppskattning för en klass av multivariabla system baserat på den hierarkiska identifieringsprincipen och gradientsökningen. Circuits Syst. Signalprocess. 31 (6), 21672177 (2012) CrossRef MathSciNet Google Scholar Ding, J. Ding, F. Bias kompensationsbaserad parameteruppskattning för utmatningsfel glidande genomsnittliga system. Int. J. Adapt. Styrsignalprocess. 25 (12), 11001111 (2011) CrossRef MATH Google Scholar Lopes dos Santos, P. Ramos, J. A. Martins de Carvalho, J. L. Identifiering av en riktmärke Wiener-Hammerstein: en bilinär och Hammerstein-bilinär modellinriktning. Kontroll Eng. Pract. 20 (11), 11561164 (2012) CrossRef Google Scholar Wang, D. Q. Ding, F. Hierarchical least squares estimationsalgoritm för Hammerstein-Wiener-system. IEEE signalprocess. Lett. 19 (12), 825828 (2012) CrossRef Google Scholar Shi, Y. Fang, H. Kalman filterbaserad identifiering för system med slumpmässigt saknade mätningar i en nätverksmiljö. Int. J. Control 83 (3), 538551 (2010) CrossRef MATH MathSciNet Google Scholar Shi, Y. Yu, B. Robust blandad H-2H-oändlighetskontroll av nätverksstyrda styrsystem med slumpmässiga tidsfördröjningar i både framåt och bakåtkommande kommunikationslänkar. Automatica 47 (4), 754760 (2011) CrossRef MATH MathSciNet Google Scholar Wang, D. Q. Chu, Y. Y. Yang, G. W. Ding, F. Hjälpmodellbaserad rekursiv generaliserad minsta kvadratparametraruppskattning för Hammerstein OEAR-system. Matematik. Comput. Modell. 52 (12), 309317 (2010) CrossRef MATH MathSciNet Google Scholar Yu, B. Fang, H. Lin, Y. Shi, Y. Identifiering av Hammersteins utsignalsfelsystem med två-segmenta nonlineariteter: algoritm och applikationer. J. Control Intel. Syst. 38 (4), 194201 (2010) MATH MathSciNet Google Scholar Ding, F. Liu, X. G. Chu, J. Gradient-baserade och minsta kvadratbaserade iterativa algoritmer för Hammerstein-system som använder den hierarkiska identifieringsprincipen. IET Control Theory Appl. 7 (2), 176184 (2013) CrossRef MathSciNet Google Scholar Ding, F. Nedbrytningsbaserad snabb minsta kvadrats algoritm för utmatningsfelsystem. Signalprocess. 93 (5), 12351242 (2013) CrossRef Google Scholar Ding, F. Liu, Y. J. Bao, B. Gradientbaserade och minsta kvadrater baserade iterativa estimeringsalgoritmer för multi-input multi-output-system. Proc. Inst. Mech. Eng. Del I, J. Syst. Kontroll Eng. 226 (1), 4355 (2012) CrossRef Google Scholar Dehghan, M. Hajarian, M. En iterativ metod för att lösa de generaliserade kopplade Sylvester matrisekvationerna över generaliserade bisymmetriska matriser. Appl. Matematik. Modell. 34 (3), 639654 (2010) CrossRef MATH MathSciNet Google Scholar Dehghan, M. Hajarian, M. Analys av en iterativ algoritm för att lösa de generaliserade kopplade Sylvester matrisekvationerna. Appl. Matematik. Modell. 35 (7), 32853300 (2011) CrossRef MATH MathSciNet Google Scholar Ding, F. Tvåstegs minsta kvadrater baserade iterativ uppskattningsalgoritm för CARARMA-systemmodellering. Appl. Matematik. Modell. 37 (7), 47984808 (2013) CrossRef MathSciNet Google Scholar Wang, D. Q. Yang, G. W. Ding, R. F. Gradientbaserad iterativ parameteruppskattning för Box-Jenkins-system. Comput. Matematik. Appl. 60 (5), 12001208 (2010) CrossRef MATH MathSciNet Google Scholar Vrs, J. Parameteridentifikation av Wiener-system med diskontinuerliga olinjäriteter. Syst. Control Lett. 44 (5), 363372 (2001) CrossRef MATH Google Scholar Wang, D. Q. Ding, F. Chu, Y. Y. Datafiltrering baserad rekursiv minsta kvadrateralgoritm för Hammerstein-system med användning av nyckelbegreppsskillnadsprincipen. Inf. Sci. 222 (10), 203212 (2013) CrossRef MathSciNet Google Scholar Li, J. H. Ding, F. Maximal sannolikhet för stokastisk gradientuppskattning för Hammerstein-system med färgat brus baserat på nyckeltermseparationstekniken. Comput. Matematik. Appl. 62 (11), 41704177 (2011) CrossRef MATH MathSciNet Google Scholar Wang, Z. Y. Ji, Z. C. Datafiltrering baserade iterativa identifieringsmetoder för olinjära FIR-MA-system. J. Vib. Kontroll (2013). Doi: 10.11771077546313484048 Google Scholar Ding, F. Liu, X. P. Liu, G. Identifieringsmetoder för icke-linjära system från Hammerstein. Siffra. Signalprocess. 21 (2), 215238 (2011) CrossRef Google Scholar Information om upphovsrätt Springer ScienceBusiness Media Dordrecht 2013 Författare och anslutningar Qianyan Shen 1 Feng Ding 1 2 E-post författare 1. Key Laboratory of Advanced Process Control för Light Industry (Utbildningsministeriet) Jiangnan University Wuxi PR Kina 2. Kontrollvetenskap och teknikforskningscenter Jiangnan University Wuxi PR Kina Om denna artikel8.4 Flytta genomsnittsmodeller I stället för att använda tidigare värden av prognosvariabeln i en regression använder en rörlig genomsnittsmodell tidigare prognosfel i en regressionsliknande modell . Y c et theta e theta e dots theta e, där et är vitt brus. Vi hänvisar till detta som en MA (q) modell. Naturligtvis observerar vi inte värdena på et, så det är inte riktigt regression i vanligt bemärkande. Observera att varje värde av yt kan betraktas som ett viktat glidande medelvärde av de senaste prognosfelen. Rörliga genomsnittsmodeller ska emellertid inte förväxlas med glidande medelutjämning som vi diskuterade i kapitel 6. En rörlig genomsnittsmodell används för att prognosera framtida värden medan den genomsnittliga utjämningen används för att uppskatta trendvärdet för tidigare värden. Figur 8.6: Två exempel på data från rörliga genomsnittsmodeller med olika parametrar. Vänster: MA (1) med y t 20e t 0.8e t-1. Höger: MA (2) med y t e t-e t-1 0.8e t-2. I båda fallen distribueras e t normalt vitt brus med medel noll och varians en. Figur 8.6 visar vissa data från en MA (1) modell och en MA (2) modell. Att ändra parametrarna theta1, prickar, thetaq resulterar i olika tidsseriemönster. Liksom med autoregressiva modeller ändrar variansen av felet termen enbart seriens skala, inte mönstren. Det är möjligt att skriva en stationär AR (p) modell som en MA (infty) modell. Med hjälp av upprepad substitution kan vi exempelvis visa detta för en AR (1) - modell: begin yt amp phy1y et amp phi1 (phi1y e) et amp phy12y phi1e et amp phi13y phi12e phi1e et amptext end Tillhandahållet -1 lt phi1 lt 1, värdet av phi1k blir mindre eftersom k blir större. Så småningom uppnår vi yt och phi1 phi12 e phi13 e cdots, en MA (infty) - process. Det omvända resultatet hålls om vi ställer några begränsningar på MA parametrarna. Då kallas MA-modellen inverterbar. Det vill säga att vi kan skriva någon inverterbar MA (q) process som en AR (infty) - process. Omvändbara modeller är inte bara för att vi ska kunna konvertera från MA-modeller till AR-modeller. De har också vissa matematiska egenskaper som gör dem enklare att använda i praktiken. Invertibilitetsbegränsningarna liknar stationaritetsbegränsningarna. För en MA (1) modell: -1lttheta1lt1. För en MA (2) modell: -1lttheta2lt1, theta2theta1 gt-1, theta1-teteta1 1. Mer komplicerade förhållanden håller för qge3. Återigen kommer R att ta hand om dessa begränsningar vid uppskattning av modellerna. En ny algoritm för ARMA-modellparameters uppskattning med gruppmetod för hantering av data. Av de mest framgångsrika suboptimalbaserade autokorrelationsmetoderna är den modifierade Yule Walker (MYW) - metoden. I detta tillvägagångssätt beräknas AR-koefficienterna först, vilket därefter följs av bestämningen av MA-koefficienterna 2, 3, 5, 15, 16, 21. Autokorrelation, kovarians och minsta kvadratinriktning är bland de kända metoderna för att beräkna AR koefficienter. Citationstecken Visa abstrakt Dölj abstrakt ABSTRAKT: Ett nytt tillvägagångssätt för att bestämma koefficienterna för en komplex-värderad autoregressiv (CAR) och komplexvärderad autoregressiv glidande genomsnittlig (CARMA) modellkoefficienter med användning av komplexvärderad neuralt nätverk (CVNN) teknik diskuteras i detta dokument . CAR - och komplexvärderade rörliga medelvärdet (CMA) - koefficienterna som utgör en CARMA-modell beräknas samtidigt från de adaptiva vikterna och koefficienterna för de linjära aktiveringsfunktionerna i ett tvåskiktigt CVNN. Utförandet av den föreslagna tekniken har utvärderats med användning av simulerad komplexvärderad data (CVD) med tre olika typer av aktiveringsfunktioner. Resultaten visar att den föreslagna metoden kan exakt bestämma modellkoefficienterna förutsatt att nätverket är korrekt utbildat. Vidare resulterar tillämpningen av den utvecklade CVNN-baserade tekniken för MR-K-rymdkonstruktion i bilder med bättre upplösning. Fulltext Artikel juni 2010 A. M. Aibinu M. J. E. Salami A. A. Shafie citationstecken ARMA modelx27s popularitet kan hänföras till den relativa lättnad med vilken dynamiken i fysiologiska system kan avtäckas, med hjälp av antingen överföringsfunktionsanalys eller impulsresponsfunktioner (IRF) som härrör från en ARMA-modell. Av de formella ordningsuppskattningsmetoderna är kanske det mest kända Akaike-informationskriteriet (AIC) och det slutliga prediktionsfelet (FPE), som båda infördes av Akaike 2 och den minsta beskrivningslängden (MDL) - metoden för Rissanen 3 10. Huvudideen för GMDH är att algoritmen ska bygga en modell av optimal komplexitet baserat endast på data, endast de kandidatvillkor som bäst approximerar de givna data behålls. Citationstecken Visa abstrakt Dölj abstrakt ABSTRAKT: En linjär och olinjär autoregressiv (AR) glidande genomsnittlig (ARMA) identifieringsalgoritm är utvecklad för modellering av tidsseriedata. Den nya algoritmen är baserad på begreppen affine geometri, där den framträdande egenskapen hos algoritmen är att avlägsna de linjärt beroende ARMA-vektorerna från poolen av kandidat ARMA-vektorer. För ljudlösa tidsseriedata med ett tidigare felaktigt modellordningsval visar datorsimuleringar att exakta linjära och olinjära ARMA-modellparametrar kan erhållas med den nya algoritmen. Många algoritmer, inklusive den snabba ortogonala sökningen (FOS) - algoritmen, kan inte få korrekta parametrisuppskattningar i alla fall, även med ljudlösa tidsseriedata, eftersom deras sökord för modellordning är suboptima. För data förorenade med brus visar datasimuleringar att den nya algoritmen fungerar bättre än FOS-algoritmen för MA-processer, och på samma sätt som FOS-algoritmen för ARMA-processer. Beräkningstiden för att få parametrisuppskattningarna med den nya algoritmen är dock snabbare än med FOS. Tillämpning av den nya algoritmen för experimentellt erhållet renalblodflöde och tryckdata visar att den nya algoritmen är pålitlig för att erhålla fysiologiskt förståeligt överföringsfunktionsrelationer mellan blodtryck och flödessignaler. Artikeln november 2001 Sheng Lu Ki Hwan Ju Ki H. Chon Visa abstrakt Dölj abstrakt ABSTRAKT: Metoden för minsta kvadrater (LS) och totalt minsta kvadrater (TLS) är två metoder som används allmänt vid tillämpning av bästa passformskurva, men de Generellt ger fördjupade resultat, särskilt när strukturen är olinjär. För att övervinna de inneboende begränsningarna i både LS - och TLS-metoderna presenterar vi en ny metod som bygger på att minimera hypersurface-avståndet. Datorsimuleringsexempel visar att den nya metoden som föreslås uppnår mer exakta parameteruppskattningar än antingen LS och TLS. Konferenspapper Feb 2002 S Lu K. H. ChonA-metod för automatisk reglering av medelvärdet. Det övervägda problemet är att uppskatta ett autoregressivt rörligt genomsnittssystem, inklusive uppskattning av graderna för de autoregressiva och glidande genomsnittliga lagoperatörerna. Den grundläggande metoden är den som introducerades av Hannan amp Rissanen (1982). Emellertid kan den metoden ibland överskatta graderna och modifieringar införs här för att korrigera detta. Problemet är självt på grund av användningen av en lång autoregression, av order c log T när T är stor, i processens första steg. Effekten av detta undersöks och i synnerhet dess effekt på estimatets hastighet av uppskattningen. 1984 Biometrika Trust Du har för närvarande inte tillgång till den här artikeln. Har inte redan ett Oxford Academic konto Register Du kunde inte loggas in. Vänligen kontrollera ditt användarnamn och lösenord för ditt användarnamn och försök igen. Oxford Academic konto E-postadress Användarnamn E-postadress användarnamn De flesta användare ska logga in med sin e-postadress. Om du ursprungligen registrerade dig med ett användarnamn använd det för att logga in.
No comments:
Post a Comment