双率采样Hammerstein CAR系统的辨识方法

发布时间：2020-04-12 21:54

【摘要】：阐述了选题的目的和意义,概述了经典系统辨识方法的研究状况、模块化非线性系统辨识方法的研究状况、双率/多率系统辨识方法的研究状况。本文研究双率采样Hammerstein CAR系统的参数辨识方法,通过多项式变换技术和不同的模型转换技术,得到双率采样Hammerstein CAR系统的两类辨识模型：双率双线性辨识模型和双率(单)线性辨识模型,然后提出基于两类辨识模型的最小二乘辨识算法、随机梯度辨识算法、遗忘因子随机梯度辨识算法、多新息随机梯度辨识算法。 1.提出双率采样Hammerstein CAR模型的基于递阶辨识原理的最小二乘辨识方法。将双率采样Hammerstein CAR模型通过多项式变换和模型转换变换为双率双线性辨识模型,从而提出基于递阶辨识原理的双率采样Hammerstein CAR模型的最小二乘辨识算法,以交互估计辨识模型中每一个参数向量。最后通过仿真例子验证了算法的有效性。 2.提出双率采样Hammerstein CAR模型的基于关键变量分离原理的最小二乘辨识方法。将双率采样Hammerstein CAR模型通过多项式变换和采用关键变量分离原理将模型变换为双率(单)线性辨识模型,从而提出基于关键变量分离原理的双率采样Hammerstein CAR模型的最小二乘辨识算法。最后通过仿真例子验证了算法的有效性。 3.提出双率采样Hammerstein CAR模型的基于关键变量分离原理的随机梯度辨识算法、遗忘因子随机梯度辨识算法、多新息随机梯度辨识算法。针对最小二乘算法计算量大的缺点,将双率采样Hammerstein CAR模型通过多项式变换和采用关键变量分离原理将模型变换为双率(单)线性辨识模型,提出基于关键变量分离原理的双率采样Hammerstein CAR模型的随机梯度辨识算法,降低了计算量；进一步提出遗忘因子随机梯度辨识算法和多新息随机梯度辨识算法,来改善随机梯度辨识算法收敛速度慢的缺点。并通过仿真例子验证算法的有效性。
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：N945.14

【参考文献】

相关期刊论文 前5条

1 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

2 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

3 王冬青;丁锋;;基于辅助模型的多新息广义增广随机梯度算法[J];控制与决策;2008年09期

4 丁锋,谢新民,方崇智;时变系统辨识的多新息方法[J];自动化学报;1996年01期

5 朱燕飞;谭洪舟;章云;;一类非线性系统盲辨识算法及仿真研究[J];系统仿真学报;2008年14期

，

本文编号：2625214