Resumen

Este documento propone un enfoque innovador de identificación de sistemas estocásticos no lineales utilizando el modelo Hammerstein-Wiener (HW) con ruido autorregresivo de error de salida (OEA). Se sugieren dos sistemas difusos para la identificación de los bloques no lineales de entrada y salida de un modelo propuesto a partir de las mediciones de datos de entrada-salida dados. En este trabajo, la necesidad de las suposiciones comúnmente utilizadas, incluida la estructura conocida de las no linealidades de entrada y/o salida y/o la salida no lineal reversible, se elimina mediante la sustitución de las variables intermedias y el ruido con sus estimaciones. Se derivan cuatro algoritmos de estimación paramétrica para identificar el modelo Hammerstein-Wiener autorregresivo de error de salida de tipo difuso (FSOEAHW) propuesto basado en el algoritmo de retropropagación y técnicas de identificación de filtrado de datos y multi-innovación. Los algoritmos propuestos son el algoritmo de gradiente de retropropagación mejorado (IBPG

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Propuesto; Enfoque de identificación; Sistemas estocásticos no lineales; Modelo Hammerstein-Wiener; Ruido autorregresivo de error de salida; Sistemas difusos; Algoritmos de estimación paramétrica; Algoritmo de retropropagación; Multi-innovación; Técnicas de identificación de filtrado de datos
• Keywords:Proposed; Identification approach; Nonlinear stochastic systems; HammersteinWiener model; Output-error autoregressive noise; Fuzzy systems; Parametric estimation algorithms; Backpropagation algorithm; Multi-innovation; Data filtering identification techniques