基于辅助模型的加权多新息最小二乘辨识

发布时间：2020-09-17 13:43

　　 最小二乘辨识方法是系统辨识中一种基础且经典的辨识方法。在随机系统模型中,利用最小二乘法得到的估计结果具有很好的统计特性。输出误差类模型是一种常见的随机系统模型,包括输出误差模型、输出误差滑动平均模型、输出误差自回归模型和输出误差自回归滑动平均模型。输出误差类模型的结构较为复杂,并且辨识所需要的信息向量中含有不可测变量。因此,传统的最小二乘辨识方法不能直接用于输出误差类模型。一般利用辅助模型辨识方法解决这个问题,但是这种改进后的算法的收敛速度和辨识精度仍相对较差。为了解决此问题,本课题在多新息辨识和辅助模型辨识的基础上,引入加权矩阵,通过选择合适的参数值达到改进辨识特性的目的。针对输出误差模型受白噪声干扰的情况,将传统递推最小二乘辨识算法和辅助模型辨识方法相结合,推导得到基于辅助模型的递推最小二乘辨识算法。在该算法的基础上,利用多新息辨识方法,构造多新息向量,得到基于辅助模型的多新息最小二乘辨识算法。该算法与基于辅助模型的递推最小二乘辨识算法相比,提高了数据的利用率,使该算法具有更高的辨识精度。针对基于辅助模型的多新息最小二乘辨识算法,引入加权矩阵,重新定义多新息辨识的误差准则函数。对误差准则函数作极小化处理,提出基于辅助模型的加权多新息最小二乘辨识算法。验证基于辅助模型的加权多新息最小二乘辨识算法具有可提高收敛速度和辨识精度的特性。针对输入数据受有色噪声干扰的情况,建立有色噪声项的辅助模型,利用噪声的估计值替代不可测的噪声,结合多新息辨识和加权矩阵思想,分别对输出误差类的其他三种模型,提出相应的基于辅助模型的加权多新息辨识算法。三种算法的仿真结果表明了本课题提出的基于辅助模型的加权多新息辨识算法的优越性和有效性。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：N945.14

【相似文献】

相关期刊论文 前10条

1 高东明;;借助辅助模型 巧解物理试题[J];高中数理化;2009年07期

2 曹鹏飞;罗雄麟;;双率系统辅助模型框架下的随机牛顿递推辨识[J];控制与决策;2015年01期

3 吴晓娥;;计算机辅助模型在建筑设计中的协同与应用[J];河南建材;2011年04期

4 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

5 汪淼;潘郁;;基于突发事件的应急管理研究[J];商场现代化;2008年04期

6 焦薇;胡晓燕;吴晓玲;;多媒体辅助模型练习在妇产科见习教学中的应用[J];贵阳医学院学报;2011年01期

7 杨宏;李亚安;李国辉;;基于辅助模型粒子滤波的混沌信号降噪方法[J];兵工学报;2015年12期

8 祁明亮;池宏;赵红;孙颖;;突发公共事件应急管理研究现状与展望[J];管理评论;2006年04期

9 丁锋,谢新民;多变量系统的辅助模型辨识算法[J];清华大学学报(自然科学版);1992年04期

10 刘志浩;;证券中长期投资决策辅助模型的建立与验证[J];时代金融;2012年18期

相关博士学位论文 前4条

1 李向丽;多采样率非线性系统估计方法的研究[D];江南大学;2014年

2 王珠;若干类多变量线性系统模型辨识方法研究[D];北京化工大学;2016年

3 韩丽丽;多率多输入系统的辨识[D];江南大学;2010年

4 陈晶;一类非线性系统的参数辨识方法研究[D];江南大学;2013年

相关硕士学位论文 前10条

1 赵振华;基于辅助模型的加权多新息最小二乘辨识[D];哈尔滨工业大学;2018年

2 曹姣;闭环系统辨识及其在倾转旋翼机模型中的应用[D];南昌航空大学;2014年

3 曾洪梅;产品概念设计可视化辅助模型[D];西安电子科技大学;2004年

4 陈柏侠;有限区间时变系统最小二乘学习辨识[D];浙江工业大学;2012年

5 张涛;基于信号量化的系统参数辨识方法研究[D];江南大学;2009年

6 赵钦;面向知识管理的机—人知识辅助系统研究[D];北京交通大学;2008年

7 任佳;航空发动机燃油机构的闭环系统辨识与故障诊断算法研究[D];东北大学;2014年

8 周燕珍;期权定价的辅助模型逼近方法[D];华南理工大学;2013年

9 岳娜;基于数据滤波的两阶段辨识方法[D];江南大学;2010年

10 刘艳君;一类非均匀采样数据系统的递推最小二乘类辨识[D];江南大学;2009年

本文编号：2820786