In this section

    A New Method for Identification of MIMO Hammerstein Model

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

    [img]
    Preview
    		 PDF (MS. Thesis Writeup)
    My_Thesis.pdf
    Download (2MB) | Preview

    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)
    Subjects: Systems
    Research > Engineering
    Electrical
    Department: College of Engineering and Physics > Electrical Engineering
    Committee Advisor: Al-Duwaish, Hussain
    Committee Members: Bakhashwain, Jamil and Mohandes, Mohamed
    Depositing User: Syed Rizvi
    Date Deposited: 20 Jul 2009 09:47
    Last Modified: 01 Nov 2019 14:10
    URI: http://eprints.kfupm.edu.sa/id/eprint/136062