买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京科技大学申请的专利一种基于工业过程的Hammerstein非线性动态系统辨识方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119396012B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510000412.3，技术领域涉及：G05B13/04；该发明授权一种基于工业过程的Hammerstein非线性动态系统辨识方法及系统是由高晶晶;吕亚婷;杨旭;崔家瑞;黄健;李擎;阎群;张涛设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本一种基于工业过程的Hammerstein非线性动态系统辨识方法及系统在说明书摘要公布了：本发明提供一种基于工业过程的Hammerstein非线性动态系统辨识方法及系统，涉及系统辨识技术领域，方法包括：采集Hammerstein非线性动态系统的历史数据作为数据集；设置RBF神经网络的相关参数；通过K‑means算法，确定RBF神经网络隐藏层的神经元中心点；通过最近邻Brute方法计算神经元中心点的标准偏差；计算RBF神经网络隐藏层的隐藏层输出矩阵；确定Hammerstein非线性动态系统的系统参数；计算Hammerstein非线性动态系统的输出估计值；计算均方误差；判断均方误差是否小于预设均方误差或者迭代次数是否达到预设迭代次数；若是，则输出系统参数作为Hammerstein非线性动态系统的整体辨识结果，否则，更新神经元中心点，并重新开始标准偏差的计算。本发明可以提高计算效率，增强算法的辨识效果和稳定性。

本发明授权一种基于工业过程的Hammerstein非线性动态系统辨识方法及系统在权利要求书中公布了：1.一种基于工业过程的Hammerstein非线性动态系统辨识方法，其特征在于，包括：S1：采集Hammerstein非线性动态系统的历史数据作为数据集；S2：基于所述数据集，设置RBF神经网络的相关参数；S3：根据所述数据集，通过K-means算法，初始化所述RBF神经网络，确定RBF神经网络隐藏层的神经元中心点；S4：根据所述神经元中心点，通过最近邻Brute方法计算所述神经元中心点的标准偏差；S5：结合所述相关参数以及神经元中心点的标准偏差，计算所述RBF神经网络隐藏层的隐藏层输出矩阵；S6：根据所述输出矩阵，确定所述Hammerstein非线性动态系统的系统参数；S7：根据所述系统参数，计算所述Hammerstein非线性动态系统的输出估计值；S8：结合所述输出估计值和所述Hammerstein非线性动态系统的实际输出值计算均方误差；S9：判断所述均方误差是否小于预设均方误差或者迭代次数是否达到预设迭代次数；若是，则输出所述系统参数作为所述Hammerstein非线性动态系统的整体辨识结果，否则，采用梯度下降法更新所述神经元中心点，并返回步骤S4。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。