MIMO HAMMERSTEIN MODEL IDENTIFICATION BASED ON PSOGSA. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF LA8 (1).pdf - Accepted Version Restricted to Repository staff only until 8 June 2022. Download (3MB)

Arabic Abstract

الاسم الكامل: عمرو فيصل عبدون محمد عنوان الرسالة: تعريف نموذج هامرشتاين ذو النظام النموذج متعدد المدخلات والمخرجات بالاعتماد على الخواريزميات الارشادية. التخصص: الهندسة الكهربائية. تاريخ الدرجة العلمية: ابريل 2021 م يعد نموذج هامرشتاين (Hammerstein model) أحد النماذج المعتمدة على الكتل (Block-oriented) المستخدمة لغرض تحديد النظام. ينفرد هذا النوع من النماذج ببنائه المتتالي الذي يتكون من جزء ثابت غير خطي متصل بجزء خطي ديناميكي. تهدف هذه الدراسة الى تقديم طريقة جديدة لتعريف نموذج هامرشتاين ذو النظام متعدد المدخلات والمخرجات. تم اختيار الشبكة العصبية متعددة الطبقات ذات التغذية او التوصيل الامامي لتمثيل الجزء الثابت غير الخطي من نموذج هامرشتاين - وبالنسبة للجزء الخطي الديناميكي ( المتحرك) ، تم استخدام نموذج الحالة والفراغ (state-space) في شكل القابل للتحكم (controllable canonical form) . من أجل تقدير عوامل كل من الجزء غير الخطي الثابت والجزء الخطي الديناميكي بشكل مرضي، تم تطبيق خوارزميات التحسين الإرشادية (PSO و PSOGSA). والجدير بالذكر أنه تم إجراء مجموعة متنوعة من أمثلة المحاكاة لإثبات كفاءة ومتانة الخوارزمية المقترحة. كما تمت دراسة تأثير الضوضاء البيضاء على نموذج التعريف المقترح. في هذه الحالة بالذات ، تم تطبيق الضوضاء البيضاء (المكونة من ضوضاء غاوسين) مع نسبة إشارة إلى الضوضاء(signal to noise) متغيرة على النموذج المقترح. علاوة على ذلك ، تم تعريف أنظمة عملية احادية المدخلات و المخرجات (SISO) و متعددة المدخلات و المخرجات (MIMO) باستخدام نموذج هامرشتاين المقترح. تثبت أمثلة المحاكاة العملية هذه قابلية تطبيق الخوارزميات المقدمة في حل مشاكل الحياة الواقعية.

English Abstract

Full Name : Amro Faisal Abdoun Mohammed Thesis Title MIMO Hammerstein model identification based on PSOGSA Major Field : Electrical Engineering Date of Degree : April 2021 The Hammerstein model is among one of the block-oriented models used for the purpose of system identification. Unique to this type of model is its construction of cascading a static nonlinear component with a dynamic linear component. This study aims to introduce a new and nascent method for MIMO Hammerstein model identification. A multilayer feedforward neural network represents the static nonlinear part of the Hammerstein model – and for the dynamic linear part, state-space in the controllable canonical form is used. In order to sufficiently estimate the parameters of both the static nonlinear part and the dynamic linear part, heuristic optimization algorithms (PSO and PSOGSA) are applied. Notably, a variety of simulation examples have been performed to substantiate the efficiency and robustness of the proposed algorithm. The influence and impact of white noise on the proposed identification model is also studied. In this particular case, white noise (comprised of Gaussian noise) with varying signal to noise ratios is applied for the proposed model. Moreover, practical SISO and MIMO systems are identified using the proposed Hammerstein model. These practical simulation examples prove the applicability of the introduced algorithms in solving real-life problems.

Item Type:	Thesis (Masters)
Subjects:	Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Al-Duwaish, H.
Committee Members:	Ibrir, Salim and Khalid, Muhammad
Depositing User:	AMRO ABDOUN (g201554610)
Date Deposited:	05 Jul 2021 06:42
Last Modified:	05 Jul 2021 06:42
URI:	http://eprints.kfupm.edu.sa/id/eprint/141896