一种基于工业过程的Hammerstein非线性动态系统辨识方法及系统

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。