基于分解的输出非线性系统递推最小二乘辨识

发布时间：2020-08-09 06:01

【摘要】：随着系统建模和控制科学技术的不断发展,控制对象的规模越来越大,这使得辨识算法的计算量也相应增大。对于结构复杂的输出非线性系统,在对其辨识过程中由于出现了参数向量的乘积,使得信息向量维数增大,计算量急剧增加,探索新的计算量小的参数估计方法对其进行辨识势在必行。本文分别利用分解技术和滤波技术,研究并讨论了有色噪声干扰的输出非线性系统的递推辨识方法的问题。选题在提高非线性系统计算效率方面具有重要意义,论文研究如下。(1)针对输出非线性方程误差滑动平均(ON-EEMA)系统、输出非线性方程误差自回归(ON-EEAR)系统和输出非线性方程误差自回归滑动平均(ON-EEARMA)系统,分别提出了基于过参数化模型的递推增广最小二乘算法、基于过参数化模型的递推广义最小二乘算法和基于过参数化模型的递推广义增广最小二乘算法。(2)为了减小计算量,引入分解辨识的思想,将ON-EEMA系统、ON-EEAR系统和ON-EEARMA系统分别分解为两个虚拟子系统,分别提出了基于分解的递推增广最小二乘算法、基于分解的递推广义最小二乘算法和基于分解的递推广义增广最小二乘算法。(3)为进一步减小计算量,在分解的基础上引入数据滤波技术。针对ON-EEMA系统、ON-EEAR系统和ON-EEARMA系统,推导其基于滤波的辨识模型,利用滤波技术和分解技术,推导出其基于滤波的分解递推增广最小二乘算法、基于滤波的分解递推广义最小二乘算法以及基于滤波的分解递推广义增广最小二乘算法。
【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】：N945.14

【参考文献】

相关期刊论文 前10条

1 李妍;毛志忠;王琰;袁平;;含有过程噪声的Hammerstein-Wiener模型辨识算法及其收敛性分析[J];东北大学学报(自然科学版);2010年04期

2 安东,宋寿峰;一种计及观测噪音的分系统递推辨识方法[J];航空学报;1992年07期

3 张艳;李少远;王笑波;周坚刚;;基于粒子群优化的Wiener模型辨识与实例研究[J];控制理论与应用;2006年06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 肖德云,牛绍华;UD分解在辨识算法中的应用[J];控制与决策;1990年04期

6 孟晓风,王行仁;多变量传递函数矩阵辨识的二级QR分解快速递推算法[J];自动化学报;1997年02期

7 丁锋;汪菲菲;;多元系统耦合多新息随机梯度类辨识方法[J];南京信息工程大学学报(自然科学版);2014年01期

8 于丰;毛志忠;贾明兴;袁平;杨飞生;;一种Hammerstein-Wiener系统的递归辨识算法[J];自动化学报;2014年02期

9 丁锋;汪菲菲;汪学海;;多元伪线性回归系统部分耦合多新息随机梯度类辨识方法[J];南京信息工程大学学报(自然科学版);2014年02期

10 丁锋;汪菲菲;汪学海;;类多变量输出误差系统的耦合多新息辨识方法[J];南京信息工程大学学报(自然科学版);2014年03期

本文编号：2786715