(2001) Identification of Hammerstein and Wiener models using radial basis functions neural networks. Masters thesis, King Fahd University of Petroleum and Minerals.
|
PDF
9655.pdf Download (2MB) | Preview |
Arabic Abstract
قدمنا طريقة جديدة للتعرف على أنواع محددة لنظم غير مستقيمة ، كنموذج (Hammerstein) و (Wiener) . نموذج الهمرستين (Hammerstein) يتألف من نظام غير مستقيم ثابت ، يتبع بكتلة ديناميكية طولية . بينما نموذج الوينر (Wiener) يتألف من كتلة ديناميكية طولية ، تتبع بعدم استقامة ثابتة . عدم الاستقامة الثابتة تعرف باستعمال وظائف أساس نصف قطرية باستخدام الشبكات العصبية (Neural Networks) أو (RBFNN) والجزء الديناميكي يعرف باستخدام متوسط متحرك ذاتي الارتداد (ARMA) . يستفيد الخوارزم الجديد من القاعدة المعروفة جيداً ذات القدرة على الاقتران (RBFNN) . وقد تم اشتقاق خوارزميات تعتمد على مبدأ أقل المتوسطات المربعة (LMS) ذات القدرة على التعلم ، لتدريب وظائف التعرف . الخوارزم المقترح يقدر الأوزان في الـ (RBFNN) والمعاملات في محاكات النماذج في الـ (ARMA) .
English Abstract
A new method is introduced for the identification of particular types of nonlinear systems i.e., Hammerstein and Wiener models. The Hammerstein model consists of a static nonlinearity, followed by a linear dynamic block, while the Wiener model consists of the linear dynamic block followed by the static nonlinearity. The nonlinearity and the linear dynamic part in both the models are identified by using radial basis functions neural network (RBFNN) and autoregressive moving (ARMA) model, respectively. The new algorithm makes use of the well known mapping ability of RBFNN. Learning algorithms based on least mean squares (LMS) principle are derived for the training of the identification scheme. The proposed algorithms estimate the weights of the RBFNN and the coefficients of ARMA model simultaneously.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Electrical |
| Department: | College of Engineering and Physics > Electrical Engineering |
| Committee Advisor: | Al-Duwaish, Hussain N. |
| Committee Members: | Halawani, Talal O. and Mohandes, Mohammad |
| Depositing User: | Mr. Admin Admin |
| Date Deposited: | 22 Jun 2008 13:45 |
| Last Modified: | 01 Nov 2019 13:49 |
| URI: | http://eprints.kfupm.edu.sa/id/eprint/9655 |