کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4977073 1367690 2017 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A nonlinear state-space approach to hysteresis identification
ترجمه فارسی عنوان
رویکرد حالت غیرخطی فضایی به شناسایی هیسترزیس
کلمات کلیدی
هیسترزیس، غیر خطی پویا، شناسایی سیستم غیر خطی، روش سیاه جعبه، مدل های حالت فضایی،
ترجمه چکیده
اغلب مطالعات برای شناسایی هیسترزیس در ادبیات فنی به دنبال رویکردهای سفیدپوست هستند، به این معنی که آنها بر این فرض استوارند که داده های اندازه گیری شده مستلزم یک مدل هیسترتی خاص است. چنین فرض می تواند یک نیاز سخت برای رسیدگی به برنامه های واقعی باشد، زیرا هیستریس یک رفتار غیرخطی بسیار فرداست. در این مقاله، یک رویکرد جعبه سیاه بر اساس مدل های غیرخطی فضای حالت-فضایی برای شناسایی دینامیک هیسترزیزه گرفته شده است. این رویکرد نشان داده شده است که یک چارچوب کلی برای شناسایی هیسترزیسم ارائه می دهد که شامل انعطاف پذیری و انعطاف پذیری نمایندگی است. اصطلاحات مدل غیرخطی به عنوان چندجمله ای چند متغیره در متغیرهای حالت ساخته می شود و تخمین پارامتر با به حداقل رساندن توابع هزینه های کمترین مربع انجام می شود. مسائل فنی، از جمله انتخاب نظم مدل و درجه چندجمله ای، مورد بحث قرار گرفته و اعتبار سنجی مدل در هر دو شرایط پهن باند و سینوسی به دست آمده است. این مطالعه با استفاده از داده های مصنوعی تولید شده از طریق معادلات بوکو-ون به صورت عددی انجام می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
Most studies tackling hysteresis identification in the technical literature follow white-box approaches, i.e. they rely on the assumption that measured data obey a specific hysteretic model. Such an assumption may be a hard requirement to handle in real applications, since hysteresis is a highly individualistic nonlinear behaviour. The present paper adopts a black-box approach based on nonlinear state-space models to identify hysteresis dynamics. This approach is shown to provide a general framework to hysteresis identification, featuring flexibility and parsimony of representation. Nonlinear model terms are constructed as a multivariate polynomial in the state variables, and parameter estimation is performed by minimising weighted least-squares cost functions. Technical issues, including the selection of the model order and the polynomial degree, are discussed, and model validation is achieved in both broadband and sine conditions. The study is carried out numerically by exploiting synthetic data generated via the Bouc-Wen equations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Mechanical Systems and Signal Processing - Volume 84, Part B, 1 February 2017, Pages 171-184
نویسندگان
, , , ,