基于两次聚类的PWARX驾驶行为辨识模型

针对传统基于聚类的PWARX模型依赖先验知识和子空间划分精度不高的问题,提出一种基于两次聚类的PWARX辨识模型改进算法,并将其应用于驾驶行为建模。首先通过近邻传播算法在样本空间上进行聚类,在所得类簇上用线性模型进行拟合,并通过K-means算法在线性模型的参数空间上进行聚类,以获得PWA子模型的区域划分,最后在各个子空间上对PWA子模型进行求解。该算法合理利用了近邻传播算法和K-means算法的特点,通过在样本和参数空间上的两次聚类获得了良好的子模型区域分割效果。并对10名驾驶员的驾驶行为的建模实验结果表明,所提算法的模型辨识的平均准确率达到了91.5%。

基于数据驱动的混杂系统建模与优化控制研究

针对一类非线性、多变量的工业过程,提出了一种基于数据驱动的多输入多输出混杂系统模型辨识方法和基于多参数规划的实时非线性预测控制方法。该方法采用高维数据空间的聚类划分方法,成功实现了MIMO形式的分段仿射含输入自回归(PWARX)模型的辨识;利用混杂系统的HYSDEL建摸语言及其编译器工具,将得到的MIMO-PWARX模型转化成非线性的分段仿射(PWA)模型,采用多参数规划的方法,设计基于PWA模型的预测控制器。该方法实现了从过程数据中挖掘出系统的混杂模型的信息,自动生成复杂过程的PWA模型,并实现了实时的非线性预测控制。最后利用该方法成功实现了四容水箱非线性多输入多输出过程模型的在线控制,得到较好的控制效果。