KFUPM ePrints

A New Method for Identification of MIMO Hammerstein Model

Rizvi, Syed Zeeshan (2008) A New Method for Identification of MIMO Hammerstein Model. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF (MS. Thesis Writeup)
Restricted to Registered users only until 01 January 2010.

2275Kb

Arabic Abstract

نموذج هامرستاين (Hammerstein) يتكون من جزء ساكن لاخطي يليه جزء حركي خطي. وفي حين ان التعارف على نماذج هامرستاين أحادية المدخلات والمخرجات (SISO) قد عولجت بكفاءه، فإن التعارف على النظم متعددة المدخلات والمخرجات (MIMO) هي مسألة اكثر تعقيدا وصعوبة. في هذه الرسالة، يُجرى التعارف على عبر نمذجة الجزء اللاخطي الساكن بشبكه عصبية شعاعية الأساس (RBFNN)، في حين أن نموذج الحال والفضاء (state – space) يستخدم لنمذجة الجزء الحركي الخطي. في هذه الرسالة تم اقتراح خوارزميتين جديدتين ، الاولى تستفيد من مبدأ معدل المربعات الأدنى (LMS) لتحديد أوزان الشبكة العصبية شعاعية الأساس (RBFNN) وتستفيد من تحديد الفضاء الجزئي لتحديد نماذج الحال والفضاء (state – space). أما الخوارزميه الثانية فتستخدم سرب الجسيمات (PSO)لتقدير أوزان الشبكة العصبية شعاعية الأساس (RBFNN) وتحديد الفضاء الجزئي لتحديث نماذج الحال والفضاء (state – space). تم اشتقاق معادلات التحديث للنظم متعددة المدخلات والمخرجات (MIMO) عند حالتين، عندما تكون اللاخطية منفصلة وعندما تكون مضمومة. وقد تمت المحاكاه والتحقق من والخوارزمية المقترحة. وقد كا نت النتا ئج مشجعةً جد اً

English Abstract

A Hammerstein Model is composed of a static nonlinear part followed by a linear dynamic part. While identification of single input single output (SISO)hammerstein models has been dealt with e±ciently, identification of multi-input multi-output (MIMO) systems is a more complex and di±cult issue. In this thesis, identification is carried out by modeling the static nonlinearity with radial basis function neural network (RBFNN), while a state-space model is used to model the linear dynamic part. Two new algorithms have been proposed in this thesis. The First algorithm makes use of least mean square (LMS) principle for identification of RBFNN weights and subspace identification for identifying state-space models. A second algorithm uses particle swarm optimization (PSO) for estimating the weights of RBFNN and subspace identification for updating the state-space models. For MIMO systems, update equations have been derived for two distinct cases i.e. when the nonlinearity is separate as well as for the case when the nonlinearity is combined. Simulations have been carried out and proposed algorithms have been validated.



Item Type:Thesis (Masters)
Date:02 June 2008
Date Type:Completion
Subjects:Systems
Research > Engineering
Electrical
Divisions:College Of Engineering Sciences > Electrical Engineering Dept
Creators:Rizvi, Syed Zeeshan
Email:srizvi@kfupm.edu.sa
Committee Advisor:Al-Duwaish, Hussain
Committee Members:Bakhashwain, Jamil and Mohandes, Mohamed
ID Code:136062
Deposited By:Syed Rizvi
Deposited On:20 Jul 2009 12:47
Last Modified:30 Apr 2011 16:59

Repository Staff Only: item control page