论文部分内容阅读
针对非线性系统的在线辨识,提出了一种选择性递推岭参数极限学习机方法。首先,推导了岭参数极限学习机模型节点增加的递推算法,以有效地更新在线模型。其次,结合训练模型的相对误差,提出模型节点递推增加的选择性策略,以限制模型的复杂度,获得更简单的递推辨识模型。通过一个典型非线性化工过程的在线辨识,从多方面比较验证了所提出方法的简单有效,更适合非线性过程的在线辨识。