توسعه معیار جامع سنجش کیفیت مدل‌های حاصل از شناسایی سیستم‌های هیبرید غیرخطی

در این مقاله، یک معیار جامع سنجش کیفیت به منظور بررسی عملکرد مدل‌های شناسایی شده از سیستم‌های هیبرید غیرخطی با روش‌های مبتنی بر رگرسیون بردار پشتیبان، توسعه داده شده است. معیار سنجش کیفیت پیشنهادی در بردارنده تمامی فاکتورهایی است که کیفیت مدل شناسایی شده را تحت تاثیر قرار می‌دهد. این فاکتورها عبارتند از: خطای شناسایی، کیفیت سیگنال سوئیچ و پیچیدگی مدل. با استفاده از معیار کیفیت توسعه داده شده‌، می‌توان پاسخ‌های حاصل از شناسایی سیستم هیبرید را مقایسه کرده و بهترین مدل بدست آمده که دارای پیچیدگی معقول بوده، خطای شناسایی مناسب داشته و کیفیت سیگنال سوئیچ آن مطلوب است را انتخاب نمود. این معیار کیفیت با لحاظ کردن اصل تیغ اوکام، از انتخاب مدل‌های بسیار پیچیده جلوگیری می‌کند. همچنین امکان مقایسه تاثیر توابع کرنل متفاوت بر مدل شناسایی شده را با در نظر گرفتن فاکتورهای ذکر شده، فراهم می‌کند.

development of a comprehensive quality measure for identification of nonlinear hybrid systems

in this study, a comprehensive quality measure criterion is developed to evaluate the performance of the identified models for nonlinear hybrid systems using support vector regressionbased techniques. the proposed quality measure criterion includes all the factors that affect the quality of the identified models, namely identification error, quality of the switching signal, and model complexity. using the proposed criterion, the resulting models of hybrid systems identification can be efficiently compared and the best model with acceptable complexity, tolerable identification error, and desirable switching signal quality will be selected. this quality measure criterion prevents selecting the complex models relying on the occam’s razor theorem. besides, it provides the possibility of comparing the effects of different kernel functions on the identified models considering the aforementioned factors.