Black-Box system identification by means of Support Vector Regression and Imperialist Competitive Algorithm

• Autorzy: Sałat R. , Awtoniuk M. , Korpysz K.

Warianty tytułu

PL

Identyfikacja systemów metodą Black-Box za pomocą Support Vector Regression i Imperialist Competitive Algorithm

• Języki publikacji: EN

Abstrakty

EN

The paper proposes to use SVR network for system identification by means of the Black-Box method. Selection of the optimal network parameters as well as the selection of optimal set of regressors by the Imperialist Competitive Algorithm have been proposed. The accuracy of models built was compared to ARX model for a linear object and NARX model for a non-linear one. The results show that the use of SVR in Black- Box identification can be an useful and efficient alternative for models based on NARX and ARX structures.

PL

W artykule zaproponowano użycie sieci SVR do identyfikacji systemów metodą Black-Box. Do doboru optymalnych parametrów sieci i wyboru optymalnego zestawu regresorów, zaproponowano użycie algorytmu ewolucyjnego Imperialist Competitive Algorithm. Dokładność zbudowanych modeli porównano z modelem typu ARX, dla obiektu liniowego, oraz NARX, dla nieliniowego. Otrzymane wyniki wskazują, że wykorzystanie SVR w identyfikacji Black-Box może być użyteczną i efektywną alternatywą dla modeli o strukturze ARX oraz NARX.

Słowa kluczowe

EN

identification; black-box modeling; support vector machine (SVM); evolutionary algorithm

PL

identyfikacja; algorytm ewolucyjny; SVR

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 9
• Strony: 223--226
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Sałat R.

• Warsaw University of Life Sciences, Department of Fundamental Engineering

autor

Awtoniuk M.

• Warsaw University of Life Sciences, Department of Fundamental Engineering

autor

Korpysz K.

• Warsaw University of Life Sciences, Department of Fundamental Engineering

Bibliografia

• [1] Juditsky A., Hjalmarsson H., Benveniste A., Delyon B., Ljung L., Sjoberg J., Zhang Q., Nonlinear black-box models in system identification: Mathematical foundations, Automatica, 31 (1995), n.12, 1725-1750
• [2] Sjoberg J., Zhang Q., Ljung L., Benveniste A., Delyon B., Glorennec P.-Y., Hjalmarsson H., Juditsky A., Nonlinear blackbox modeling in system identification: a unified overview, Automatica, 31 (1995), n.12, 1691-1724
• [3] Gretton A., Doucet A., Herbrich R., Rayner P.W.J., Schölkopf B., Support Vector Regression for Black Box system identification, 11th IEEE Workshop on Statistical Signal Processing (2001)
• [4] Rivals I., Personnaz L., Black-box modeling with State-Space Neural Networks, w: Neural Adaptive Control Technology, World Scientific (1996), 237-264
• [5] Ranković V.M., Nikolić I.Z., Identification of Nonlinear Models with Feedforward Neural Network and Digital Recurrent Network, FME Transactions, 36 (2008), n.2, 87-92
• [6] Smola A., Scholkopf B., A tutorial on support vector regression, Statistics and Computing, 14 (2004), n.3, 199-222
• [7] Salat R., Osowski R., Support Vector Machine for soft fault location in electrical circuits, Journal of Intelligent and Fuzzy Systems, 22 (2011), n.1, 21–31
• [8] Salat R., Awtoniuk M., Odwzorowanie dynamiki pracy regulatora PID zaimplementowanego w sterowniku PLC za pomocą Least Squares-Support Vector Machines, Przegląd Elektrotechniczny, 5a (2012), 227-230
• [9] Vapnik V., Statistical Learning Theory, Wiley-Interscience (1998)
• [10] Atashapaz Gargari E., Lucas C., Imperialist competitive algorithm: An algorithm for optimization inspired by imperialist competition, IEEE Congress on Evolutionary Computation (2007)
• [11] Awtoniuk M., Dostrajanie regulatora z pominięciem eksperymentu identyfikacji obiektu przy użyciu Imperialist Competitive Algorithm, Elektronika: konstrukcje, technologie, zastosowania, 12 (2012), 46-49.
• [12] Han W.-Y., Han J.-W., Lee C.-G., Development of a Selftuning PID Controller based on Neural Network for Nonlinear Systems, 7th Mediterranean Conference on Control and Automation (1999)
• [13] Huyck B., De Brabanter K., Logist F., De Brabanter J., Van Impe J., De Moor B., Identification of a pilot scale distillation column: A kernel based approach, 18th World Congress of the International Federation of Automatic Control (2011)
• [14] Chang., Lin C., LIBSVM: a library for support vector machines, ACM Transactions on Intelligent Systems and Technology 2 (2011), n.3, 1-27