(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210742665.4 (22)申请日 2022.06.28 (71)申请人 江南大学 地址 214122 江苏省无锡市滨湖区蠡湖大 道1800号 (72)发明人 刘艳君　范晋翔　刘欣裕　丁锋　 (74)专利代理 机构 苏州市中南伟业知识产权代 理事务所(普通 合伙) 32257 专利代理师 陈华红子 (51)Int.Cl. G06F 30/20(2020.01) G06F 119/10(2020.01) (54)发明名称 基于最小角回归的Hammerstein模型稀疏辨 识方法 (57)摘要 本 发 明 涉 及一 种基 于 最 小 角回 归的 Hammerstein模型稀疏辨识方法， 包括： 建立带有 时滞的多输入单输出的Hammerstein模型， 将模 型建立成稀疏参数辨识模型； 收集输入输出数据 构造用于辨识的输出向量y和信息矩阵Φ； 使用 模型选择准则设置选择停止条件， 使用最小角回 归法选择Φ中的信息向量Φk建立有效索引集 Λk； 使用y和Φk得到估计参数 根据Λk重构 得到稀疏参数向量 根据 的稀疏结构估 计模型的阶次和时滞， 从 中分离参数的估计 值， 根据估计出的阶次和时滞、 分离出的参数的 估计值辨识模 型中的待辨识的系统参数。 本发明 可以实现对模 型的时滞、 阶次和系统参数的有效 辨识， 而且精度高、 计算 量小。 权利要求书3页 说明书12页 附图6页 CN 115048798 A 2022.09.13 CN 115048798 A 1.一种基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在于， 包括以下步 骤： S1： 建立带有时滞的多输入单输出的Ham merstein模型； S2： 将所述带有时滞的多输入单输出的Ham merstein模型建立成稀疏参数辨识模型； S3： 收集输入输出 数据， 构造用于辨识的输出向量y和信息矩阵Φ； S4： 使用最小角回归法选择所述信息矩阵Φ 中的信息向量Φk， 使用模型选择准则设置 选择停止的条件， 根据选择 出的信息向量Φk建立有效索引集 Λk； S5： 使用所述输出向量y和信息向量Φk得到估计参数 根据所述有效索引集Λk重构 所述估计参数 得到稀疏参数向量 S6： 根据所述稀疏参数向量 的稀疏结构估计所述带有时滞的多输入单输出的 Hammerstein模型的阶次和时滞； S7： 从所述稀疏参数向量 中分离参数的估计值， 根据估计出的阶次和时滞、 分离出的 参数的估计值辨识所述带有时滞的多输入 单输出的Hammerstein模 型中的待辨识的系统参 数。 2.根据权利要求1所述的基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在 于： 所述带有时滞的多输入单输出的Ham merstein模型， 具体为： 其中， y(t)为t时刻模型的输出， r为输入 通道个数， ui(t)为第i个输入 通道的t时刻的模 型输入， i＝1, …,r； na为输出回归项的阶次， ai为输出自回归项的参数， mi为第i个输入通道 的非线性阶次， nbi为第i个输入通道的线性阶次， hi,j是待辨识的非线性系统参数， bi,g为待 辨识的线性系统参数， fi,j()为非线性 函数， di为未知时滞， v(t)为 零均值白噪声。 3.根据权利要求2所述的基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在 于： 所述将所述带有时滞的多输入 单输出的Hammerstein模 型建立成稀疏参数辨识模 型， 具 体为： 引入最大非线性阶次p， p≥max(mi)； 引入输入数据回归长度l， l≥max(di+nbi)； 将所述带有时滞的多输入单输出的Hammerstein模型写成向量形式， 得到稀疏参数辨 识模型为： θ 中， 权　利　要　求　书 1/3 页 2 CN 115048798 A 2其中， 表示P维欧几里德空间， 0n表示含有n个零元素的行向量， bi为第i个输入通道 的线性部分的参数向量， bi＝[bi,1,bi,2,…,bi,g]T,g＝1,2,...,nbi； ()T表示向量或矩阵的 转置。 4.根据权利要求3所述的基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在 于： 所述收集输入输出 数据， 构造用于辨识的输出向量y和信息矩阵Φ， 具体为： 收集离散时间t＝1,2, …,N时的输入输出 数据， 构造所述输出向量y为： 构造所述信息矩阵Φ为： 5.根据权利要求1所述的基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在 于： 所述使用最小角回归法选择所述信息矩阵Φ中的信息向量Φk， 使用模型选择准则设置 选择停止的条件， 根据选择 出的信息向量Φk建立有效索引集 Λk， 具体为： 使用几何停止准则设置选择停止的条件为： 其中， αk,max为最小角回 归法在第k次迭代中选择的列与残差向量的锐角夹角， 为所述输出向量y与信息矩阵Φ 中所有列向量夹角的标准差； 在每次迭代中， 使用最小角回归法选择所述信息矩阵Φ中非零参数对应的列， 直到满 足 时停止选择， 得到按选择顺序编排的信息向量Φk； 使用所述信息向量Φk的索引组成所述有效索引集 Λk。 6.根据权利要求3所述的基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在 于： 所述使用所述输出向量y和信息向量Φk得到估计参数 根据所述有效索引集Λk重构 所述估计参数 得到稀疏参数向量 具体为： 使用所述输出向量y、 信息向量Φk和最小二乘法得到估计参数 其中 ()‑1表示矩阵或向量 求逆； 根据所述有效索引集 Λk将所述估计参数 还原至P维， 得到稀疏参数向量 7.根据权利 要求1‑6任一项所述的基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在于： 所述得到估计参数 前， 使用预设的滤波参数ζ对由使用所述输出向量y和信 息向量Φk得到的估计参数进行 滤波， 将滤波后的估计参数作为 8.根据权利要求3所述的基于最小角回归的Hammerstein模型稀疏辨识方法， 其特征在 于： 所述根据所述稀疏参数向量 的稀疏结构估计所述带有时滞的多输入单输出的 Hammerstein模型的阶次和时滞时， 估计的阶次包括非线性阶次 和线性阶次 估计所 述非线性阶次 和线性阶次 的过程为： 令 中的各零元 素块的长度为 nj， 权　利　要　求　书 2/3 页 3 CN 115048798 A 3