基于滤波的线性参数系统辨识方法

发布时间：2021-04-21 19:11

　　系统辨识和模型参数估计是研究基于模型的控制问题的基础.随着控制系统升级和改造,系统数学模型建立更加复杂,因而辨识过程中的计算量也越来越大.为解决线性参数系统被有色噪声干扰的辨识难点,和减小辨识算法计算量.论文选题“基于滤波的线性参数系统辨识方法”,具有一定的理论意义和学术价值.论文针对该课题展开探讨,主要工作如下.1.论文借助于数据滤波技术,将自回归滑动平均噪声干扰的线性参数系统转化为白噪声干扰的系统.针对信息向量中含有未知的中间变量或者噪声项,采用辅助模型辨识思想,估算这些未知项,研究基于滤波的辅助模型随机梯度算法、基于滤波的辅助模型递推最小二乘算法.为提高随机梯度辨识算法收敛速度和精度,借助于多新息辨识理论,通过扩展辨识新息,研究基于滤波的辅助模型多新息随机梯度算法.采用迭代算辨识法,探讨基于滤波的辅助模型梯度迭代算法和基于滤波的辅助模型最小二乘迭代算法.2.利用递阶辨识原理,将线性参数系统的辨识模型分解成几个辨识子系统,采用交互估计算法,研究基于滤波的分解多新息随机梯度辨识算法、基于滤波的分解最小二乘辨识算法、基于滤波的分解梯度迭代算法和基于滤波的分解最小二乘迭代辨识算法,并比较... 

【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】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 问题的提出与研究意义
    1.2 领域国内外研究现状
    1.3 论文主要参数估计方法
    1.4 论文主要研究内容简介
第二章 基于滤波的辅助模型辨识方法
    2.1 系统描述与滤波辨识模型
    2.2 基于滤波的辅助模型随机梯度算法
    2.3 基于滤波的辅助模型多新息随机梯度算法
    2.4 基于滤波的辅助模型梯度迭代算法
    2.5 基于滤波的辅助模型递推最小二乘算法
    2.6 基于滤波的辅助模型最小二乘迭代算法
    2.7 小结
第三章 基于滤波的分解辨识方法
    3.1 系统描述与基于滤波的分解辨识模型
    3.2 基于滤波的分解随机梯度算法
    3.3 基于滤波的分解多新息随机梯度算法
    3.4 基于滤波的分解梯度迭代算法
    3.5 基于滤波的分解递推最小二乘算法
    3.6 基于滤波的分解最小二乘迭代算法
    3.7 小结
主要结论与展望
致谢
参考文献
附录: 攻读硕士期间发表的论文


【参考文献】：
期刊论文
[1]辅助模型辨识方法（2）:输入非线性输出误差系统[J]. 丁锋,陈慧波.  南京信息工程大学学报(自然科学版). 2016(02)
[2]辅助模型辨识方法（1）:自回归输出误差系统[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2016(01)
[3]输出误差系统的多新息辨识方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2015(06)
[4]方程误差系统的多新息辨识方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2015(05)
[5]线性参数系统的多新息辨识方法[J]. 丁锋,郭兰杰.  南京信息工程大学学报(自然科学版). 2015(04)
[6]输出非线性方程误差类系统递推最小二乘辨识方法[J]. 丁锋,陈启佳.  南京信息工程大学学报(自然科学版). 2015(03)
[7]输入非线性方程误差系统的多新息辨识方法[J]. 丁锋,陈慧波.  南京信息工程大学学报(自然科学版). 2015(02)
[8]输入非线性方程误差自回归系统的多新息辨识方法[J]. 丁锋,毛亚文.  南京信息工程大学学报(自然科学版). 2015(01)
[9]有关非线性系统控制理论发展的一些注记[J]. 洪奕光.  系统科学与数学. 2014(11)
[10]基于辅助模型和数据滤波的伪线性回归系统参数估计方法[J]. 丁盛.  计算机应用. 2014(01)

博士论文
[1]列车自动驾驶控制模型参数辨识及其应用[D]. 王呈.北京交通大学 2015



本文编号：3152325