Алгоритм ідентифікації стохастичних нелінійних систем на основі генетичного підходу

Петро Іванович Бідюк

Анотація


Запропоновано метод оцінювання структури стохастичних нелінійних моделей загального вигляду з використанням обчислювальної процедури на основі генетичного програмування і ортогонального МНК. Метод можна застосовувати до ідентифікації лінійних і нелінійних систем різної природи.


Повний текст:

PDF

Посилання


Кашьяп Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. – М.: Наука, 1983. – 383 с.

Киричков В.Н. Идентификация объектов управления технологическими процессами. – Київ: Вища школа, 1990. – 263 с.

Згуровский М.З., Бидюк П.И. Анализ и управление большими космическими конструкциями. – Киев: Наукова думка, 1997. – 452 с.

Попков Ю.С., Киселев О.Н., Петров Н.П. Идентификация и оптимизация нелинейных стохастических систем. – М.: Энергия, 1976. – 440 с.

Ивахненко А.Г., Зайченко Ю.П., Дмитров В.Д. Принятие решений на основе самоорганизации. – М.: Сов. Радио, 1976. – 363 с.

Ивахненко А.Г., Мюллер И.А. Самоорганизация прогнозирующих моделей. – Киев: Техника, 1985. –

Оссовский С. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2002. – 344 с.

Liu G.P., Kadirkamanathan V. Billings S.A. Variable neural networks for adaptive control of nonlinear systems // IEEE Trans. on Systems, Man, and Cybernetics – Part C, 1999, Vol. 29, No.1, pp. 34-43.

Aguirre L.A., Billings S.A. Improved structure selection for nonlinear models based on term clustering // Int. Journal of Control, 1995, Vol. 62, No.3, pp. 569-587.

Aguirre L.A., Mendes E.M.A.M. Global nonlinear polynomial models: structure, term-clusters and fixed points // Int. Journal on Bifurcation and Chaos, 1996, Vol. 6, No. 2, pp. 279-294.

Mendes E.M.A.M., Billings S.A. An alternative solution to the model structure selection problem // IEEE Trans. on Systems, Man, and Cybernetics – Part A, 2001, Vol. 31, No.6, pp. 597-608.

Korenberg M., Billings S.A., Liu Y.P., Mcilroy P.J. Orthogonal parameter estimation algorithm for nonlinear stochastic systems // Int. Journal of Control, 1988, Vol. 48, No.1, pp. 193-210.

Abonyi J. Fuzzy model identification for control. – Birkhauser: Boston, 2003. – 390 p.

Henson M.A., Seborg D.E. Nonlinear process control. – Englewood Cliffs, New Jersey: Prentice Hall, 1997. – 460 p.

Hernandez E., Arkun Y. Control of nonlinear systems using polynomial ARMA models // AICHE Journal, 1993, Vol. 39, No. 3, pp. 446-460.

Koza J. Genetic programming: on the programming of computers by means of natural evolution. – Cambridge (MA): MIT Press, 1992. – 370 p.

Kang L., Chen Y., Cao H., Yu J. The kinetic evolutionary modeling of complex systems of chemical reactions // Computers and Chem. Eng., 1999, Vol. 23, pp. 143-151.

McKay B., Willis M., Barton G. Steady-state modeling of chemical process systems using genetic programming // Computers and Chem. Eng., 1997, Vol. 21, pp. 981-996.

Sakamoto E., Iba H. Inferring a system of differential equations for a gene regulatory network by using genetic programming / Proc. Of the 2001 Congress on Evolutionary Computations CEC’2001, Seoul (Korea), 2001, pp. 720-726.




DOI: https://doi.org/10.20535/1560-8956.9.2006.37486

Посилання

  • Поки немає зовнішніх посилань.