基于最小Wilcoxon学习的Hammerstein模型辨识方法

简介：
本文提出了一种基于最小Wilcoxon学习的新颖算法，用于改进Hammerstein模型的参数辨识精度和鲁棒性，特别适用于含有异常值的数据集。 本段落提出了一种基于最小Wilcoxon学习方法的非线性动态系统建模方法。采用Hammerstein模型来描述非线性动态系统，该模型由非线性静态子环节与线性动态子环节串联组成。接着将Hammerstein模型中的非线性传递函数转换为等价的线性形式，从而建立了一个中间的线性模型。通过最小Wilcoxon学习方法识别出这个中间模型的参数，并利用这些参数和原系统中Hammerstein模型参数之间的关系推导出系统的非线性静态环节与线性动态环节的具体参数，以此完成对原始非线性动态系统的建模工作。该方法在处理含有扰动信号的情况下展示了比最小二乘法更好的鲁棒性能。