多元方程误差系统的递推辨识方法

发布时间：2023-03-05 04:58

　　多元系统广泛存在于实际工业控制领域,多元方程误差系统作为多元系统的一类辨识模型,既能够表示线性多变量系统,也能够表示一类非线性多变量系统.数据滤波技术,耦合辨识概念和多新息辨识理论是近些年兴起的新辨识方法.针对多元方程误差系统,将传统的递推辨识方法与这些新技术新概念相结合,提出新的辨识算法,对提升算法的估计精度和辨识速度大有裨益.本课题主要研究有色噪声干扰下的多元方程误差系统的递推辨识方法,论文主要成果如下.1针对有色噪声为滑动平均过程的多元方程误差系统,采用分解技术将原系统分解为分别包含系统参数向量和噪声参数向量的两个子辨识模型,提出了基于分解的增广随机梯度辨识算法.为提高算法的辨识速度和参数估计精度,通过引入多新息理论,推导了基于分解的多新息增广随机梯度算法.将最小二乘原理与分解技术相结合提出了基于分解的递推增广最小二乘算法.2针对有色噪声为自回归过程的多元方程误差系统,首先给出了递推广义最小二乘辨识算法.为了减小参数估计的冗余计算,运用耦合辨识概念,将子系统的各个参数估计连接起来,提出了部分耦合递推广义最小二乘算法.将随机梯度辨识方法与耦合识概念联合起来提出了部分耦合广义随机梯度...

【文章页数】：108 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与研究意义
    1.2 国内外研究现状
    1.3 本文主要研究内容简介
第二章 多元方程误差滑动平均系统的递推辨识方法
    2.1 系统描述
    2.2 增广随机梯度辨识算法
    2.3 基于分解的增广随机梯度辨识算法
    2.4 基于分解的多新息增广随机梯度算法
    2.5 基于分解的递推增广最小二乘算法
    2.6 数值仿真
    2.7 本章小结
第三章 多元方程误差自回归系统的递推辨识方法
    3.1 系统描述
    3.2 递推广义最小二乘辨识算法
    3.3 部分耦合递推广义最小二乘算法
    3.4 部分耦合广义随机梯度辨识算法
    3.5 部分耦合多新息广义随机梯度算法
    3.6 数值仿真
    3.7 本章小结
第四章 多元方程误差滑动平均自回归系统的递推辨识方法
    4.1 系统描述
    4.2 广义增广随机梯度辨识算法
    4.3 基于滤波的广义增广随机梯度辨识算法
    4.4 基于滤波的多新息广义增广随机梯度算法
    4.5 基于滤波的递推广义增广最小二乘算法
    4.6 数值仿真
    4.7 本章小结
第五章 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



本文编号：3755750