آشنایی با چند روش نوین در شناسایی غیر پارامتریک سیستم های غیرخطی و معرفی روشی برای تخمین داده های از دست رفته

دراین مقاله نتیجه مطالعات در پنج مقاله منتشر شده در سال های 2014 و 2015 در زمینه شناسایی سیست ارایه گردیده است. در اولین مقاله برای اولین بارشناسایی دو سیستم غیر خطی که به صورت سری قرار دارند انجام شده است روش تخمین پاسخ فرکانسی مبتنی بر HHFR ارایه و باشبیه سازی کارایی آن صحه گذاری گردیده است. در این روش شناسایی دو سیستم غیر خطی سری بدون آنکه سیستم اول بر سیستم دو م تاثیر گذار شود انجام شده است. درمقاله دوم شناسایی حوزه زمان غیر پارامتری سیستم خطی آهسته متغیر با زمان با استفاده از B-Spline ارایه شده است. با تخمین حوزه زمان غیر پارامتری، تابع پاسخ ضربه دو بعدی تولید می شود که یک بعد آن ناشی از رفتار سیستم و بعد دیگر ناشی از حافظه سیستم است. استفاده از این روش منجر به کاهش هزینه و کاهش اثرات نویز می شود. در مقاله سوم هدف اصلی تخمین مرتبه محلی برای سیستم های غیر خطی است که به صورت غیر پارامتریک انجام می شود. زیرا ممکن است مرتبه سیستم درکل بازه ورودی یکسان نباشد. لذا دراین مقاله دربازه های متفاوت مرتبه متفاوتی برای سیستم پیشنهاد می شود. این کارمنجر به ارایه یک معیار مشابه معیار آکائیک می شودو مصالحه ای بین دقت مدل و مرتبه مدل انجام می شود.در مقاله چهارم شناسایی مدل های نوع BW(معادله غیر خطی رفتار هیسترزیس) با استفاده از زنجیره انتقال مارکوف و روش مونت کارو انجام می شود. روش های بیزی برخلاف دیگر روش های شناسایی که ماکزیمم شباهت مقادیر پارامترها را محاسبه می کنند.اطلاعات احتمالی از تخمین ها را که می تواند مفید باشد را دراختیار می گذارند. در این مقاله از روش TMCMC که یک تکنیک به روز آوری مدل بیزی است استفاده می شود تا نه تنها محتمل ترین پارامترهای مدل بلکه، تخمین توزیع احتمال این پارامترها را نیز ارایه می دهد. درمقاله اخر تخمین توابع پاسخ فرکانسی در شرایط از دست رفتن داده های خروجی انجام می شود.قصد داریم بدون اندازه گیری مجدد، که معمولا غیر ممکن یا پرهزینه است داده های از دست رفته را تخمین بزنیم. در این مقاله یک روش غیر پارامتریک برای تخمین تابع پاسخ فرکانسی ارایه می شود در واقع الگوی خاصی برای دادهای گم شده ارایه نمی شود بلکه تخمین داده های گم شده و عدم قطعیت آنها ارایه می گردد.