Biblioteca122.739 documentos en línea

Artículo

Reduced Noise Effect in Nonlinear Model Estimation Using Multiscale RepresentationReducción del efecto del ruido en la estimación de modelos no lineales mediante la representación multiescala

Resumen

Los modelos de procesos no lineales se utilizan ampliamente en diversas aplicaciones. A falta de modelos fundamentales, se suele recurrir a modelos empíricos, que se estiman a partir de mediciones de las variables del proceso. Por desgracia, los datos medidos suelen estar corrompidos con ruido de medición que degrada la precisión de los modelos estimados. La representación de datos basada en ondículas multiescala ha demostrado ser una potente herramienta de análisis de datos y extracción de características. En este trabajo, estas características de la representación multiescala se utilizan para mejorar la precisión de la estimación del modelo no lineal lineal en los parámetros mediante el desarrollo de un algoritmo de modelado no lineal multiescala (MSNL). La idea principal de este algoritmo de modelización MSNL es descomponer los datos en múltiples escalas, construir múltiples modelos no lineales en múltiples escalas y, a continuación, seleccionar entre todas las escalas el modelo que mejor describa el proceso. La principal ventaja del algoritmo desarrollado es que integra el modelado y la extracción de características para mejorar la robustez del modelo estimado ante la presencia de ruido de medición en los datos. Esta ventaja del modelado MSNL se demuestra utilizando un modelo de reactor no lineal.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento