方程误差模型基于最新估计的多新息随机梯度辨识

发布时间：2017-10-16 03:44

  本文关键词：方程误差模型基于最新估计的多新息随机梯度辨识

  更多相关文章： 随机梯度 递阶辨识 多新息 最新估计信息

【摘要】：数学模型是分析系统动态特性的基础。辨识技术是建立复杂系统数学模型的有效方法之一。在实际工业生产过程中,由于控制系统日益复杂,仅依靠系统输入输出信息的辨识理论在建模过程中发挥着越来越重要的作用。随机梯度算法是辨识理论中的一种经典算法,而现有的随机梯度辨识算法都是建立在一个参数向量的基础上。然而,对于复杂的动态系统,这种辨识方法会影响辨识算法的收敛速度和在计算机上的运算速度,并且,所得到的参数的辨识精度比较低。为了克服此缺陷,在经典随机梯度辨识算法的基础上,我们利用递阶辨识原理建立基于最新估计信息的多新息随机梯度辨识算法。本文的主要研究对象为方程误差类模型,包括方程误差模型、方程误差滑动平均模型、方程误差自回归模型和方程误差自回归滑动平均模型。主要的研究内容和结果包括以下几个方面。对四种方程误差类模型,利用递阶辨识原理,将随机梯度算法中一个参数向量分解成两个子参数向量,然后对每个子参数向量,分别采用随机梯度辨识算法进行参数辨识,从而提出了递阶随机梯度辨识算法。该算法通过拆分向量提高了算法的收敛速度。在上述递阶随机梯度辨识算法中,估计第二个子参数向量时,利用了第一个子参数向量上一时刻的估计值。但是,此时第一个子参数向量当前时刻的估计值是已知的。一般情况下,参数向量的当前时刻的估计更接近于其真值。因此,在递阶随机梯度辨识算法的基础上,我们充分利用最新的估计信息,针对四种方程误差类模型,提出了基于最新估计信息的多新息随机梯度辨识算法。对所提出的基于最新估计的辨识算法进行仿真研究,结果表明本文所提出的基于最新估计的辨识算法比已存在的多新息辨识算法有更快的收敛速度和更高的辨识精度。另外,我们也将所提出的基于最新估计的辨识算法推广到了多输入单输出系统的辨识。
【关键词】：随机梯度 递阶辨识 多新息 最新估计信息
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O231
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 绪论8-13
• 1.1 课题研究的背景和意义8
• 1.2 多新息辨识技术的应用8-10
• 1.3 方程误差类模型的研究现状10-12
• 1.4 本课题的主要研究内容12-13
• 第2章 方程误差模型的辨识算法13-26
• 2.1 多新息随机梯度辨识算法13-15
• 2.2 递阶随机梯度辨识算法15-18
• 2.3 基于最新估计信息的多新息随机梯度辨识算法18-19
• 2.4 仿真实例19-25
• 2.4.1 单输入单输出系统仿真19-23
• 2.4.2 多输入单输出系统仿真23-25
• 2.5 本章小结25-26
• 第3章 方程误差滑动平均模型的辨识算法26-40
• 3.1 增广的多新息随机梯度辨识算法26-29
• 3.2 递阶增广的随机梯度辨识算法29-31
• 3.3 基于最新估计信息的增广多新息随机梯度辨识算法31-33
• 3.4 仿真实例33-39
• 3.4.1 单输入单输出系统仿真33-37
• 3.4.2 多输入单输出系统仿真37-39
• 3.5 本章小结39-40
• 第4章 方程误差自回归模型的辨识算法40-54
• 4.1 广义的多新息随机梯度辨识算法40-43
• 4.2 递阶广义的随机梯度辨识算法43-44
• 4.3 基于最新估计信息的广义多新息随机梯度辨识算法44-46
• 4.4 仿真实例46-53
• 4.4.1 单输入单输出系统仿真46-50
• 4.4.2 多输入单输出系统仿真50-53
• 4.5 本章小结53-54
• 第5章 方程误差自回归滑动平均模型的辨识算法54-68
• 5.1 广义增广的多新息随机梯度辨识算法54-57
• 5.2 递阶广义增广的随机梯度辨识算法57-59
• 5.3 基于最新估计信息的广义增广多新息随机梯度辨识算法59-61
• 5.4 仿真实例61-67
• 5.4.1 单输入单输出系统仿真61-65
• 5.4.2 多输入单输出系统仿真65-67
• 5.5 本章小结67-68
• 结论68-69
• 参考文献69-73
• 攻读硕士学位期间发表的论文及其它成果73-75
• 致谢75

【参考文献】

中国期刊全文数据库 前5条

1 陈中伟;沈艳霞;;基于多新息最小二乘的感应电机参数辨识策略[J];江南大学学报(自然科学版);2010年05期

2 邓自立;马建为;杜洪越;;ARMA模型参数估计的两段最小二乘法[J];科学技术与工程;2002年05期

3 丁锋,萧德云,丁韬;多新息随机梯度辨识方法[J];控制理论与应用;2003年06期

4 丁锋;;系统辨识(1):辨识导引[J];南京信息工程大学学报(自然科学版);2011年01期

5 陈晓伟;丁锋;;有色噪声系统的迭代辨识与递推辨识方法仿真比较研究[J];系统仿真学报;2008年21期

中国硕士学位论文全文数据库 前1条

1 鲍波;多变量方程误差类模型的最小二乘参数估计[D];江南大学;2012年

，

本文编号：1040434