一类双线性系统输入输出表达的迭代辨识方法研究

发布时间：2022-02-17 20:37

　　双线性系统是一类特殊的非线性系统,其关于状态和控制分别是、但不同时是线性的,它可以用来描述一些实际过程。因此研究双线性系统的辨识方法具有重要的理论意义和应用前景。本文借助于辅助模型辨识思想、递阶辨识原理和数据滤波技术,研究了一类双线性状态空间系统对应输入输出表达的迭代辨识方法。论文的主要工作如下:（1）针对离散时间双线性状态空间系统,辨识的困难在于其模型结构包含状态量和输入量的乘积。通过消除模型中的状态量而得到其输入输出表示形式。根据噪声引入条件的不同,得到的双线性结构模型可分为输出误差类模型和方程误差类模型。（2）针对有色噪声干扰的双线性系统,为了降低噪声对参数估计结果的影响,采用滤波器对输入输出数据进行滤波,提出了用于辨识双线性方程误差自回归系统的基于滤波的广义梯度迭代算法,并将提出的算法推广到双线性方程误差自回归滑动平均系统的参数估计中。（3）针对双线性输出误差类系统,由于其模型中含有分式,为了处理方便引入了未知的中间变量,因此需要借助于辅助模型辨识思想,利用辅助模型的输出代替未知的中间变量,提出了基于辅助模型的最小二乘迭代算法。利用滑动数据窗,提出了基于辅助模型的多新息最小二乘... 

【文章来源】：青岛科技大学山东省

【文章页数】：166 页

【学位级别】：博士

【文章目录】：
摘要
abstract
1 绪论
    1.1 问题提出与研究意义
    1.2 领域国内外研究现状
    1.3 本文主要研究内容简介
2 梯度迭代辨识方法
    2.1 双线性系统的模型描述
    2.2 双线性方程误差滑动平均系统参数辨识方法
        2.2.1 增广梯度迭代算法
        2.2.2 多新息增广梯度迭代算法
        2.2.3 变间隔增广梯度迭代算法
    2.3 双线性方程误差自回归系统的参数辨识方法
        2.3.1 广义梯度迭代算法
        2.3.2 递阶广义梯度迭代算法
        2.3.3 基于滤波的广义梯度迭代算法
    2.4 双线性方程误差自回归滑动平均系统参数辨识方法
        2.4.1 基于滤波的广义增广梯度迭代算法
        2.4.2 基于半滤波的广义增广梯度迭代算法
        2.4.3 广义增广梯度迭代算法
    2.5 小结
3 最小二乘迭代辨识方法
    3.1 白噪声干扰的双线性系统参数辨识方法
        3.1.1 基于辅助模型的最小二乘迭代算法
        3.1.2 基于辅助模型的多新息最小二乘迭代算法
    3.2 双线性输出误差滑动平均系统的参数辨识方法
        3.2.1 基于辅助模型的增广最小二乘迭代算法
        3.2.2 基于辅助模型的两阶段增广最小二乘迭代算法
        3.2.3 基于辅助模型的三阶段增广最小二乘迭代算法
    3.3 双线性输出误差自回归系统的参数辨识方法
        3.3.1 基于辅助模型的广义最小二乘迭代算法
        3.3.2 基于滤波的辅助模型广义最小二乘迭代算法
    3.4 小结
4 极大似然迭代辨识方法
    4.1 双线性方程误差滑动平均系统参数辨识方法
        4.1.1 极大似然增广梯度迭代算法
        4.1.2 极大似然增广最小二乘迭代算法
    4.2 双线性方程误差自回归系统参数辨识方法
        4.2.1 递阶极大似然广义梯度迭代算法
        4.2.2 极大似然广义梯度迭代算法
        4.2.3 递阶极大似然广义最小二乘迭代算法
        4.2.4 极大似然广义最小二乘迭代算法
    4.3 双线性方程误差自回归滑动平均系统参数辨识方法
        4.3.1 基于滤波的极大似然广义增广梯度迭代算法
        4.3.2 基于滤波的极大似然广义增广最小二乘迭代算法
        4.3.3 基于滤波的递阶极大似然广义增广梯度迭代算法
        4.3.4 基于滤波的递阶极大似然广义增广最小二乘迭代算法
    4.4 小结
5 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
攻读学位期间发表的学术论文目录


【参考文献】：
期刊论文
[1]传递函数辨识（3）:正弦响应两点法和多点法[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2018(03)
[2]传递函数辨识（2）:脉冲响应两点法和三点法[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2018(02)
[3]传递函数辨识（1）:阶跃响应两点法和三点法[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2018(01)
[4]信号建模（6）:多频信号模型的递阶迭代参数估计[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2017(06)
[5]信号建模（5）:多频信号模型的递阶参数估计[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2017(05)
[6]信号建模（4）:多频信号模型的迭代参数估计[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2017(04)
[7]信号建模（3）:多频信号模型的递推参数估计[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2017(03)
[8]信号建模（2）:双频率信号[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2017(02)
[9]信号建模（1）:单频率信号[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2017(01)
[10]损失数据线性参数系统的递推最小二乘辨识方法[J]. 丁锋,汪菲菲.  控制与决策. 2016(12)

博士论文
[1]基于信息滤波的极大似然递推辨识方法[D]. 陈飞燕.江南大学 2017
[2]极大似然辨识方法的研究[D]. 李俊红.江南大学 2013

硕士论文
[1]双线性状态空间系统的递推辨识[D]. 孟丹丹.江南大学 2017
[2]基于IGA的Volterra核辨识及机械振动信号消噪方法研究[D]. 甘慧萍.兰州交通大学 2015
[3]双线性系统近似最优控制方法的研究[D]. 杨佩佩.青岛科技大学 2010
[4]线性系统盲辨识方法的研究[D]. 陈慧波.江南大学 2008



本文编号：3630070