输入非线性方程误差类系统牛顿迭代辨识方法

发布时间：2017-07-15 20:33

  本文关键词：输入非线性方程误差类系统牛顿迭代辨识方法

  更多相关文章： 牛顿迭代 递阶辨识 关键变量分离 输入非线性系统 方程误差类系统

【摘要】：非线性系统广泛存在于工业实践中,且随着工业化的发展,系统的复杂程度不断加深,系统数学模型更加复杂,辨识过程中的计算量也越来越大,因此非线性系统辨识研究具有重要的理论意义和实用价值。本文采用牛顿方法,递阶辨识原理和关键变量分离原理研究了输入非线性方程误差类系统辨识方法,取得了如下的研究成果。1.针对白噪声干扰下的输入非线性系统,详细推导了非线性系统牛顿迭代辨识方法。为了解决信息向量维数大而导致的计算量过大的问题,使用关键变量分离原理,将系统输出表示为所有待辨识参数的线性回归形式;使用递阶辨识原理,将原系统分解为两个含参数少的子系统,然后在此模型基础上推导了牛顿迭代算法。通过对三种算法的计算量定量比较和数值仿真,验证了所提出的两种算法的有效性和计算量小的特点。2.针对滑动平均噪声干扰下的输入非线性系统,也就是输入非线性方程误差滑动平均模型,分别推导基于关键变量分离的牛顿迭代算法和基于递阶分解的牛顿迭代算法,通过对这两种算法和直接的牛顿迭代算法的仿真分析,验证了将关键变量分离原理和递阶辨识原理应用于输入非线性系统辨识的有效性。3.针对输入非线性方程误差类系统,将关键变量分离原理和递阶辨识原理应用在牛顿迭代辨识方法中,用相应的估计值代替算法中的未知中间变量和噪声项,从而实现参数估计算法。由于输入非线性方程误差模型、方程误差自回归模型和方程误差滑动平均模型都是方程误差自回归滑动平均模型的简化形式,因此对这类模型的算法研究更具有普遍性。综上,本文研究了输入非线性方程误差类系统的牛顿迭代辨识方法,仿真实验表明了这些方法可以在不影响算法参数估计精度的同时减小计算量。论文最后给出了结论和展望,并对本课题的研究所面临的一些困难和有待深入研究的问题做了简单介绍,文中所给出的几种输入非线性系统的辨识算法的收敛性有待进一步证明。
【关键词】：牛顿迭代 递阶辨识 关键变量分离 输入非线性系统 方程误差类系统
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O231.2
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-13
• 1.1 问题的提出与研究意义7-8
• 1.2 非线性系统辨识方法综述8-11
• 1.3 本文主要研究内容简介11-13
• 第二章 输入非线性方程误差系统牛顿迭代辨识13-33
• 2.1 模型描述13-16
• 2.2 牛顿迭代算法16-19
• 2.3 基于关键变量分离的牛顿迭代算法19-23
• 2.4 基于递阶分解的牛顿迭代算法23-29
• 2.5 数值仿真29-30
• 2.6 小结30-33
• 第三章 输入非线性方程误差滑动平均系统牛顿迭代辨识33-49
• 3.1 模型描述33-34
• 3.2 增广牛顿迭代算法34-36
• 3.3 基于关键变量分离的增广牛顿迭代算法36-39
• 3.4 基于递阶分解的增广牛顿迭代算法39-43
• 3.5 数值仿真43-45
• 3.6 小结45-49
• 第四章 输入非线性方程误差自回归滑动平均系统牛顿迭代辨识49-65
• 4.1 模型描述49-50
• 4.2 广义增广牛顿迭代算法50-53
• 4.3 基于关键变量分离的广义增广牛顿迭代算法53-55
• 4.4 基于递阶分解的广义增广牛顿迭代算法55-59
• 4.5 数值仿真59-61
• 4.6 小结61-65
• 主要结论与展望65-67
• 致谢67-69
• 参考文献69-73
• 附录: 作者在攻读硕士学位期间发表的论文73

【参考文献】

中国期刊全文数据库 前10条

1 刘艳君;谢莉;;非均匀采样多率ARMAX系统RELS算法性能分析[J];控制工程;2009年04期

2 范伟;丁锋;;Hammerstein非线性系统参数估计分离的三种方法[J];科学技术与工程;2008年06期

3 初燕云;王冬青;杨国为;;Hammerstein OEMA系统的辅助模型最小二乘辨识[J];科学技术与工程;2009年22期

4 向微;陈宗海;;基于Hammerstein模型描述的非线性系统辨识新方法[J];控制理论与应用;2007年01期

5 王冬青;;基于辅助模型的递推增广最小二乘辨识方法[J];控制理论与应用;2009年01期

6 谢林柏;丁锋;王艳;;基于辅助模型的量化控制系统辨识方法[J];控制理论与应用;2009年03期

7 王勇,刘文江,孙连明;控制系统的一种直接盲辨识方法[J];控制与决策;2003年05期

8 袁廷奇;;一类多变量Hammerstein模型的参数辨识方法[J];控制与决策;2010年03期

9 辛斌;白永强;陈杰;;基于偏差消除最小二乘估计和Durbin方法的两阶段ARMAX参数辨识[J];自动化学报;2012年03期

10 丁锋;;系统辨识(5):迭代搜索原理与辨识方法[J];南京信息工程大学学报(自然科学版);2011年06期

中国硕士学位论文全文数据库 前2条

1 刘景t，

本文编号：545682