-
题名基于采样稀疏学习的非线性动力系统辨识
- 1
-
-
作者
杨璐遥
陈蕊娟
岳作功
-
机构
华中科技大学人工智能与自动化学院
武汉纺织大学数理科学学院
-
出处
《控制工程》
CSCD
北大核心
2023年第7期1198-1204,共7页
-
基金
国家重点研发计划资助项目(2020YFB1712501)
-
文摘
现有系统辨识方法常将非线性动力系统辨识问题转化为稀疏回归问题。针对现有方法应对噪声与小样本能力不足的问题,提出了一种基于采样稀疏学习的非线性动力系统辨识方法。首先,在复杂辨识问题被描述为稀疏回归问题的基础上,引入指示变量对稀疏结构进行编码;然后,基于嵌有Metropolis-Hastings算法的Gibbs采样器对稀疏结构进行学习;最后,通过简单的线性回归获得动力学方程的各项系数。实验结果表明,相较于LASSO算法,采样稀疏学习算法在较高的噪声水平下仍然保持较好的性能。此外,该算法无须进行阈值设定或正则化参数调整,具有更高的灵活性与鲁棒性。
-
关键词
采样稀疏学习
非线性系统
系统辨识
稀疏回归
参数线性化
-
Keywords
Sampling sparse learning
nonlinear system
system identification
sparse regression
parameter linearization
-
分类号
TP11
[自动化与计算机技术—控制理论与控制工程]
-
