多变量方程误差系统的极大似然递推辨识
发布时间：2021-06-26 22:54
随着工业技术的发展,大多工业过程本质上是结构复杂的多变量系统.有色噪声的干扰,使得多变量系统的辨识变得更加困难.极大似然辨识是基于概率统计的估计方法,其参数估计值具有良好的统计特性,在多变量系统辨识中得到应用.本课题应用极大似然原理来研究有色噪声干扰下的多变量方程误差系统的辨识问题.论文主要成果如下.（1）针对交互干扰的线性多变量方程误差系统,将多变量系统分解成多个维数低、变量少的子系统,对子系统模型应用极大似然原理,推导了基于分解的极大似然递推辨识算法.借助于多新息辨识理论,推导了参数估计精度高的基于分解的极大似然多新息增广随机梯度算法.（2）针对噪声模型是滑动平均过程的线性多变量方程误差系统,利用耦合辨识概念,避免了Kronecker积运算造成的冗余参数问题,协调了子系统间部分参数向量的耦合关系,推导了子系统辨识模型耦合极大似然递推辨识算法,提高了算法的参数估计精度.并进一步将提出的算法推广到有色噪声模型是标量多项式的输入非线性方程误差多变量系统.（3）针对噪声模型是自回归滑动平均过程的线性多变量方程误差系统,引入一个线性滤波器,在不改变系统输入输出关系的基础上,对观测数据进行滤波...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：121 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 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
第二章 多变量方程误差滑动平均系统的分解辨识
2.1 引言
2.2 基于分解的极大似然递推增广最小二乘算法
2.3 基于分解的极大似然递推增广随机梯度算法
2.4 基于分解的极大似然多新息增广随机梯度算法
2.5 本章小结
第三章 多变量方程误差滑动平均系统的耦合辨识
3.1 引言
3.2 耦合极大似然递推增广最小二乘算法
3.3 耦合极大似然递推增广随机梯度算法
3.4 耦合极大似然多新息增广随机梯度算法
3.5 本章小结
第四章 多变量方程误差自回归滑动平均系统的滤波辨识
4.1 引言
4.2 基于滤波的极大似然递推增广最小二乘算法
4.3 基于滤波的极大似然递推增广随机梯度算法
4.4 基于滤波的极大似然多新息增广随机梯度算法
4.5 本章小结
第五章 输入非线性多变量方程误差滑动平均系统的关键项分离辨识
5.1 引言
5.2 基于关键项分离的极大似然递推增广最小二乘算法
5.3 基于关键项分离的极大似然递推增广随机梯度算法
5.4 基于关键项分离的极大似然多新息增广随机梯度算法
5.5 本章小结
第六章 结论与展望
致谢
参考文献
附录 :攻读博士学位期间发表的论文
【参考文献】：
期刊论文
[1]传递函数辨识（14）:频率响应迭代参数估计（串联情形）[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2020(03)
[2]传递函数辨识（13）:频率响应迭代参数估计（并联情形）[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2020(02)
[3]传递函数辨识（12）：频率响应递推参数估计（串联情形）[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2020(01)
[4]传递函数辨识（10）:基于频率响应的迭代参数估计方法[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2019(05)
[5]传递函数辨识（9）:基于频率响应的递推参数估计方法[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2019(04)
[6]基于移动数据窗的传递函数多新息随机梯度辨识方法[J]. 徐玲. 控制与决策. 2017(06)
[7]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)
[8]基于递推最小二乘法的永磁伺服系统参数辨识[J]. 荀倩,王培良,李祖欣,蔡志端,秦海鸿. 电工技术学报. 2016(17)
[9]系统辨识算法的复杂性、收敛性及计算效率研究[J]. 丁锋. 控制与决策. 2016(10)
[10]多变量系统的耦合梯度辨识算法与性能分析[J]. 刘艳君,丁锋. 控制与决策. 2016(08)
博士论文
[1]输入非线性系统的多新息辨识方法[D]. 毛亚文.江南大学 2019
[2]耦合参数辨识方法及其在PMSM中应用研究[D]. 时振伟.江南大学 2018
[3]输入非线性输出误差系统的参数辨识[D]. 马君霞.江南大学 2017
[4]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
[5]具有已知基的输入非线性方程误差系统辨识方法[D]. 陈慧波.江南大学 2016
[6]极大似然辨识方法的研究[D]. 李俊红.江南大学 2013
[7]多变量系统辨识方法及性能分析[D]. 刘艳君.江南大学 2012
本文编号：3252259
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：121 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 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
第二章 多变量方程误差滑动平均系统的分解辨识
2.1 引言
2.2 基于分解的极大似然递推增广最小二乘算法
2.3 基于分解的极大似然递推增广随机梯度算法
2.4 基于分解的极大似然多新息增广随机梯度算法
2.5 本章小结
第三章 多变量方程误差滑动平均系统的耦合辨识
3.1 引言
3.2 耦合极大似然递推增广最小二乘算法
3.3 耦合极大似然递推增广随机梯度算法
3.4 耦合极大似然多新息增广随机梯度算法
3.5 本章小结
第四章 多变量方程误差自回归滑动平均系统的滤波辨识
4.1 引言
4.2 基于滤波的极大似然递推增广最小二乘算法
4.3 基于滤波的极大似然递推增广随机梯度算法
4.4 基于滤波的极大似然多新息增广随机梯度算法
4.5 本章小结
第五章 输入非线性多变量方程误差滑动平均系统的关键项分离辨识
5.1 引言
5.2 基于关键项分离的极大似然递推增广最小二乘算法
5.3 基于关键项分离的极大似然递推增广随机梯度算法
5.4 基于关键项分离的极大似然多新息增广随机梯度算法
5.5 本章小结
第六章 结论与展望
致谢
参考文献
附录 :攻读博士学位期间发表的论文
【参考文献】：
期刊论文
[1]传递函数辨识（14）:频率响应迭代参数估计（串联情形）[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2020(03)
[2]传递函数辨识（13）:频率响应迭代参数估计（并联情形）[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2020(02)
[3]传递函数辨识（12）：频率响应递推参数估计（串联情形）[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2020(01)
[4]传递函数辨识（10）:基于频率响应的迭代参数估计方法[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2019(05)
[5]传递函数辨识（9）:基于频率响应的递推参数估计方法[J]. 丁锋,徐玲,刘喜梅. 青岛科技大学学报(自然科学版). 2019(04)
[6]基于移动数据窗的传递函数多新息随机梯度辨识方法[J]. 徐玲. 控制与决策. 2017(06)
[7]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)
[8]基于递推最小二乘法的永磁伺服系统参数辨识[J]. 荀倩,王培良,李祖欣,蔡志端,秦海鸿. 电工技术学报. 2016(17)
[9]系统辨识算法的复杂性、收敛性及计算效率研究[J]. 丁锋. 控制与决策. 2016(10)
[10]多变量系统的耦合梯度辨识算法与性能分析[J]. 刘艳君,丁锋. 控制与决策. 2016(08)
博士论文
[1]输入非线性系统的多新息辨识方法[D]. 毛亚文.江南大学 2019
[2]耦合参数辨识方法及其在PMSM中应用研究[D]. 时振伟.江南大学 2018
[3]输入非线性输出误差系统的参数辨识[D]. 马君霞.江南大学 2017
[4]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
[5]具有已知基的输入非线性方程误差系统辨识方法[D]. 陈慧波.江南大学 2016
[6]极大似然辨识方法的研究[D]. 李俊红.江南大学 2013
[7]多变量系统辨识方法及性能分析[D]. 刘艳君.江南大学 2012
本文编号：3252259
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3252259.html
