外文翻譯---遺傳算法在非線性模型中的應(yīng)用-閱讀頁(yè)
2025-06-06 08:36本頁(yè)面
【正文】 space. A large training data set will be required to identify an accurate model. However the simulation time will be proportional to the number of data points, so optimization time must be balanced against quantity of data. A remendation on how to select efficient step and PRBS signals to cover the entire frequency rage of interest may be found in Godfrey and Ljung?s texts. Model validation An important part of any modeling procedure is model validation. The new model structure must be validated with a different data set from that used for the optimization. There are many techniques for validation of nonlinear models, the simplest of which is analogue matching where the time response of the model is pared with available response data from the real system. The model validation results can be used to refine the Geic Programming algorithm as part of an iterative model development process. Selected from “Control Engineering Practice, Elsevier Science Ltd. ,1998” 中文翻譯： 遺傳算法在非線性模型中的應(yīng)用 導(dǎo)言： 非線性模型的辨識(shí)，至少是部分基于真實(shí)系統(tǒng)的基層物理學(xué)，自從可能需要同時(shí)決定模型的結(jié)構(gòu)和參數(shù)以來(lái)，就出現(xiàn)了很多問(wèn)題。盡管從測(cè)量的響應(yīng)數(shù)據(jù)來(lái)估計(jì)模型參數(shù)有很多方法，但是結(jié)構(gòu)的辨識(shí)卻更為棘手?？赡艿哪Ｐ徒Y(jié)構(gòu)是從系統(tǒng)的工程知識(shí)演繹出來(lái)的，而這些模型的參數(shù)是從現(xiàn)有的實(shí)驗(yàn)數(shù)據(jù)得來(lái)的。 遺傳算法（ GP）是一種最優(yōu)化的方法，它可以通過(guò)從數(shù)據(jù)庫(kù)自動(dòng)選擇模型結(jié)構(gòu)元件用來(lái)使動(dòng)態(tài)系統(tǒng)的非線性結(jié)構(gòu)及元件之間的結(jié)合最優(yōu)化，然后形成一個(gè)完善的數(shù)學(xué)模型。一些模型結(jié)構(gòu)通過(guò)很多代向著一種解決方案而發(fā)展 ,這種方案是利用可靠的進(jìn)化操作者和“適者生存 ” 的選擇規(guī)則進(jìn)行 。 應(yīng)用： 遺傳算法是一種早已投入使用的技術(shù)，這種技術(shù)已經(jīng)在一些包括信號(hào)處理運(yùn)算規(guī)則和化學(xué)加工辨識(shí)在內(nèi)的非線性建模任務(wù)中得到應(yīng)用。在這篇文章中，遺傳算法是應(yīng)用在從實(shí)驗(yàn)數(shù)據(jù)得來(lái)的模型結(jié)構(gòu)的辨識(shí)中，其中被研究的系統(tǒng)是用來(lái)代表非線性連續(xù)時(shí)域動(dòng)態(tài)模型的。舉例說(shuō)明： ???ni eJ 121 （ 1） 在此式子中， 1e 是指 N 次數(shù)據(jù)點(diǎn)中每一次模型輸出和實(shí)驗(yàn)數(shù)據(jù)之間的誤差。通常遺傳算法是在不斷的完善，直到這個(gè)遺傳算法最后匯聚到這個(gè)系統(tǒng)的模型描述。對(duì)于每一代，父母代都是從庫(kù)里挑選出來(lái)的，下一代則是由他們的作用交叉而產(chǎn)生的代替了現(xiàn)有庫(kù)中的成員。交叉運(yùn)算法則是一種限定了作為結(jié)果的樹(shù)的深度的子樹(shù)交叉法。更難的問(wèn)題在于期望的模型結(jié)構(gòu)是聯(lián)合體或者數(shù)據(jù)是聒噪的，這時(shí)通常需要更大的群體大小。通常只有 2℅ 的受到影響。處理線性系統(tǒng)的核心方法經(jīng)常是非常有用的。 這將允許系統(tǒng)，以測(cè)試具體的非線性系統(tǒng)。評(píng)估每個(gè)模型并給定它一些合適的價(jià)值是必要的。這個(gè)仿真時(shí)間響應(yīng)，是比較實(shí)驗(yàn)數(shù)據(jù)為這個(gè)模型以提供一個(gè)合適的價(jià)值。 仿真例子必須鮮明有力。此外 ,如果 GP 算法能正常工作，即使 這些系統(tǒng)是不穩(wěn)定的，所有系統(tǒng)也必須返回一個(gè)合適的價(jià)值。這些傳遞函數(shù)的系數(shù)、增益值或是在時(shí)間延遲的情況下，將會(huì)使自身延遲。模型是隨機(jī)產(chǎn)生的，因此，可以線性地包含相關(guān)參數(shù)和參數(shù)，并不會(huì)影響產(chǎn)量。雖然遺傳算法可以用于識(shí)別數(shù)值參數(shù)，但比起其他方法它的效率較低。作為金屬冷卻過(guò)程，原子組織起來(lái)形成一個(gè)有序的最低能源結(jié)構(gòu)，而數(shù)額振動(dòng)或運(yùn)動(dòng)中的原子是依賴于溫度的。在模擬退火過(guò)程中，參數(shù)估計(jì)是從一些隨機(jī)值中開(kāi)始的，并讓他們改變他們的價(jià)值，這個(gè)搜索空間是由一個(gè)金額于數(shù)量界定為系統(tǒng)的“溫度”。溫度下降根據(jù)一些預(yù)定的“冷卻”附表，參數(shù)值也應(yīng)隨著溫度的降低收斂到一些解決方法 。 這樣一個(gè)模擬退火技術(shù)和 NelderSimplex 技術(shù)的 組合是（ n+1）的空間形狀，其中 n 是參數(shù)的數(shù)量。模擬退火以單純的算法增加了隨機(jī)性成分和溫度調(diào)度，提高了方法的可靠性。該模式的結(jié)構(gòu)是眾所周知的，但有不確定性參數(shù)值。微分方程和方框圖是兩種普通代表，這兩種形式的模型是眾所周知的，并且是比較容易模擬的，對(duì)于仿真、可視化和在遺傳算法運(yùn)算規(guī)則的施行各有其優(yōu)缺點(diǎn)。 實(shí)驗(yàn)數(shù)據(jù)集的選擇 —— 實(shí)驗(yàn)設(shè)計(jì) 非線性系統(tǒng)辨識(shí)提出了 關(guān)于實(shí)驗(yàn)設(shè)計(jì)的特殊問(wèn)題。這可能意味著，輸入形式充分的多樣化刺激著系統(tǒng)的不同模態(tài)并且數(shù)據(jù)覆蓋了系統(tǒng)狀態(tài)空間的運(yùn)作范圍。然而仿真時(shí)間將會(huì)和數(shù)據(jù)點(diǎn)的數(shù)量成正比，因而最優(yōu)時(shí)間必須兼顧數(shù)據(jù)的數(shù)量。 模型驗(yàn)證 任何建模程序的一個(gè)重要組成部分是模型驗(yàn)證。有許多非線性模型驗(yàn)證的技術(shù)，其中最簡(jiǎn)單的就是模擬匹配模型的時(shí)間響應(yīng)和從實(shí)際系統(tǒng)中來(lái)的現(xiàn)有響應(yīng)數(shù)據(jù)相比較的技術(shù)。
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1