双流参数识别网络

长程依赖联合局部特征

将 Transformer 与双向 LSTM 结合，对分数布朗运动驱动的非线性系统实现全参数联合辨识，在精度与速度上均优于现有网络。

Wentao, Hou · 马少娟

Nonlinear Dynamics 2025

参数信息

平均辨识时间

0.005907 s

技术优势

精度显著更高

在 Example 3 中，四个参数的 MAE 分别为 0.0171、0.0699、0.0328、0.0851，均低于对比网络。

辨识速度更快

平均辨识时间为 0.005907 秒，远低于对比网络的 0.008296 秒与 0.035498 秒。

可联合辨识全部参数

所提网络能够同时辨识非线性系统中的所有参数，而非常规方法仅针对 Hurst 指数或线性系统参数。

应用场景

• 非线性系统辨识：为受分数布朗噪声影响的非线性系统提供高精度全参数在线估计。
• 精密仪器与测量：以 0.0171 的 MAE 实现参数辨识，可作为精密测量中的快速软测量工具。
• 具身智能控制：毫秒级辨识速度（0.005907 s），可嵌入实时控制回路进行动态参数更新。