کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
382636 660775 2016 8 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
Identification of continuous-time Hammerstein systems by simultaneous perturbation stochastic approximation
ترجمه فارسی عنوان
شناسایی سیستم های زمان پیوسته هامراشتاین با تقریب تصادفی آشفتگی همزمان
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
خدمات تولید محتوا

این مقاله ISI می تواند منبع ارزشمندی برای تولید محتوا باشد.

  • تولید محتوا برای سایت و وبلاگ
  • تولید محتوا برای کتاب
  • تولید محتوا برای نشریات و روزنامه ها
  • و...

پایگاه «دانشیاری» آمادگی دارد با همکاری مجموعه «شهر محتوا» با استفاده از این مقاله علمی، برای شما به زبان فارسی، تولید محتوا نماید.

تولید محتوا
با 10 درصد تخفیف ویژه دانشیاری
کلمات کلیدی
سیستم های شناسایی؛ تقریب تصادفی؛ مدل های پیوسته در زمان هامراشتاین
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی


• We propose an identification method for continuous-time Hammerstein models.
• The nonlinear subsystem approximation is based on piecewise affine function.
• We use simultaneous perturbation stochastic approximation algorithm.
• The proposed method has a good potential in identifying the Hammerstein models.

This paper proposes an identification method for Hammerstein systems using simultaneous perturbation stochastic approximation (SPSA). Here, the structure of nonlinear subsystem is assumed to be unknown, while the structure of linear subsystem, such as the system order, is assumed to be available. The main advantage of the SPSA-based method is that it can be applied to identification of Hammerstein systems with less restrictive assumptions. In order to clarify this point, piecewise affine functions with a large number of parameters are adopted to approximate the unknown nonlinear subsystems. Furthermore, the linear subsystems are supposed to be described in continuous-time. Though this class of systems closely reflects the actual systems, there are few methods to identify such models. Hence, the SPSA-based method is utilized to identify the parameters in both linear and nonlinear subsystems simultaneously. The effectiveness of the proposed method is evaluated through several numerical examples. The results demonstrate that the proposed algorithm is useful to obtain accurate models, even for high-dimensional parameter identification.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 43, January 2016, Pages 51–58
نویسندگان
, , ,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت