Resumen

Los métodos actuales para identificar sistemas de Wiener-Hammerstein utilizando la Mejor Aproximación Lineal (BLA) implican al menos dos pasos. Primero, la BLA se divide en la obtención de la dinámica lineal frontal y trasera del modelo de Wiener-Hammerstein. Segundo, se lleva a cabo un procedimiento de reajuste de todos los parámetros para reducir los errores de modelado. En este artículo, se propone un enfoque novedoso para identificar sistemas de Wiener-Hammerstein en un solo paso. Este enfoque se basa en un algoritmo evolutivo personalizado (WH-EA) capaz de buscar la mejor división de BLA, capturando al mismo tiempo la no linealidad estática del proceso con alta precisión. Además, para corregir posibles errores en la estimación de BLA, las ubicaciones de los polos y ceros se modifican sutilmente dentro de un espacio de búsqueda adecuado para permitir un ajuste fino del modelo. El rendimiento del enfoque propuesto se analiza utilizando un ejemplo de demostración y un banco

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Métodos; Identificar; Sistemas Wiener-Hammerstein; BLA; Algoritmo evolutivo; Identificación de sistemas no lineales
• Keywords:Methods; Identify; Wiener-Hammerstein systems; BLA; Evolutionary algorithm; Nonlinear system identification