基于数据的机械论黑箱辨识方法研究

总结了基于数据的机械论(Data-based Mechanistic)黑箱辨识算法(简称DBM)在常规黑箱辨识算法中的基本框架和两类重要模型时变参数(Time Variant Parameter)模型(简称TVP)和状态依存参数(State Dependent Parameter)模型(简称SDP)的特点,并利用DBM方法和其他非线性辨识算法分别对时变参数方程和杜芬方程进行分析和比较,发现尽管方法本身具有拟合精度高,不存在过拟合现象,可以较精确的反应参数对于状态或者时间的依存关系等特点,但是SDP方法在分析复杂问题时存在搜索效率低,计算时间长的缺点。最后通过引入遗传算法对搜索方式进行改进,从而降低了所要搜索的规模,大大减少了计算量。