Application of Local Linear Neuro Fuzzy Model and Wavelet Transform for Nonlinear System Identification

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,840

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISME20_525

تاریخ نمایه سازی: 18 تیر 1391

چکیده مقاله:

System identification attempts to construct mathematical models of systems, using experimental measurements and observations. In this papercombination of local linear neuro fuzzy model (LLNF) and discrete wavelet transform (DWT), called WLLNF, is proposed for nonlinear system identification. LLNF model trained by local linear model tree (LOLIMOT) learning algorithm exhibits remarkable modeling performance, owing to strategy of dividing complex nonlinear systems into a set of local linear sub-models. Exploitation of good signal processing properties of DWT for denoising of experimental data enhances the modeling capability of the LLNF model. Identification of two nonlinear systems, namely flexible robot arm and hydraulic actuator, and comparison with other methods, demonstrate the promising performance of the proposed approach.

نویسندگان

Reza Kazemi

Department of Mechanical Engineering, K.N.Toosi University of Technology

Majid Abdollahzade

Department of Mechanical Engineering, K.N.Toosi University of Technology

Arash Miranian

School of Electrical & Computer Engineering, University of Tehran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :