基于分解的方程误差类系统迭代辨识

发布时间：2021-05-05 20:21

　　随着辨识技术的不断发展,最小二乘方法已经很成熟的运用于方程误差类系统。随之发展的最小二乘迭代辨识算法具有辨识精度高的优点,但是当数据乘积矩矩阵维数很大的时候,这种算法的计算量是很大的。梯度迭代辨识算法虽然不用进行矩阵的逆运算,但是其收敛速度相对较慢。所以,本文从分解的角度出发,运用两阶段的方法来解决迭代辨识计算量大的问题,这种思想具有理论意义和运用前景。论文取得了以下的成果：（1）针对受控自回归滑动平均（CARMA）系统,提出了这类系统的两阶段最小二乘迭代辨识算法和两阶段梯度迭代辨识算法。基本思想是运用分解的思想将系统分解成两个子系统。然后分别用最小二乘迭代和梯度迭代算法辨识这两个子系统。分析说明相对于最小二乘迭代辨识算法,两阶段最小二乘迭代辨识算法所涉及的数据乘积矩矩阵的维数小,逆运算的计算量小。仿真结果表明,两阶段最小二乘迭代辨识算法的收敛速度比两阶段梯度辨识的收敛速度快。（2）针对受控自回归自回归（CARAR）系统,根据两阶段辨识原理,结合迭代辨识算法推导出该系统的两阶段最小二乘迭代辨识算法和两阶段梯度迭代辨识算法。通过MATLAB的仿真可以知道,两阶段最小二乘迭代辨识算法的的收... 

【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】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 问题提出与研究意义
    1.2 辨识算法及研究现状综述
    1.3 系统辨识简述
    1.4 本文主要研究内容简介
第二章 受控自回归滑动平均系统的两阶段算法
    2.1 系统描述
    2.2 两阶段最小二乘迭代算法的推导
    2.3 两阶段梯度迭代算法的推导
    2.4 最小二乘迭代辨识方法的推导
    2.5 仿真实验
    2.6 小结
第三章 受控自回归自回归系统的两阶段算法
    3.1 系统描述
    3.2 两阶段最小二乘迭代算法的推导
    3.3 两阶段梯度迭代算法的推导
    3.4 最小二乘迭代辨识方法的推导
    3.5 仿真实验
    3.6 小结
第四章 受控自回归自回归滑动平均系统的两阶段算法
    4.1 系统描述
    4.2 两阶段最小二乘迭代算法的推导
    4.3 两阶段梯度迭代算法的推导
    4.4 最小二乘迭代辨识方法的推导
    4.5 仿真实验
    4.6 小结
主要结论与展望
致谢
参考文献
附录：作者在攻读硕士学位期间发表的论文


【参考文献】：
期刊论文
[1]辨识方法的计算效率（3）:信息向量耦合算法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2012(06)
[2]辨识方法的计算效率（2）:迭代算法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2012(05)
[3]辨识方法的计算效率（1）:递推算法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2012(04)
[4]系统辨识（8）:耦合辨识概念与方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2012(03)
[5]系统辨识（7）:递阶辨识原理与方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2012(02)
[6]系统辨识（6）:多新息辨识理论与方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2012(01)
[7]系统辨识（5）:迭代搜索原理与辨识方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2011(06)
[8]非均匀采样系统多新息随机梯度辨识性能分析[J]. 丁洁,谢莉,丁锋.  控制与决策. 2011(09)
[9]系统辨识（4）:辅助模型辨识思想与方法[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2011(04)
[10]系统辨识（3）:辨识精度与辨识基本问题[J]. 丁锋.  南京信息工程大学学报(自然科学版). 2011(03)

硕士论文
[1]CARMA模型与输出误差模型迭代辨识[D]. 王金海.江南大学 2008



本文编号：3170525