基于分解的多变量方程误差系统递推辨识方法

发布时间：2021-07-06 15:02

　　多变量系统在工业控制及应用中广泛存在,能比单变量系统更加准确描述对象的特征.多变量系统结构复杂,参数众多,其辨识问题是研究热点,具有重要的理论意义和广泛的应用前景.论文研究基于分解的多变量方程误差系统递推辨识算法,主要内容如下:1.针对白噪声干扰下的多变量方程误差系统,基于最小二乘原理,讨论了递推最小二乘辨识算法,运用递阶辨识原理,推导了基于分解的递推最小二乘辨识算法,对比两种算法计算量可知,基于分解的递推最小二乘辨识算法的计算量要小.2.针对白噪声干扰下的多变量方程误差系统,根据梯度搜索原理,推导了随机梯度算法,并引入多新息理论,推导了多新息随机梯度算法,改善了辨识精度.然后分别跟递阶辨识思想结合,推导出基于分解的随机梯度算法和基于分解的多新息随机梯度算法.3.针对有色噪声干扰下的多变量方程误差系统,即噪声项为自回归滑动平均过程的多变量方程误差自回归滑动平均系统,借助递阶辨识思想,将原辨识模型分解为系统模型和噪声模型,推导了基于分解的递推广义增广最小二乘算法,其辨识精度接近递推广义增广最小二乘算法,但计算量更小.4.针对多变量方程误差自回归滑动平均系统,沿着递阶辨识的思路,提出了基于... 

【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 问题提出与研究意义
    1.2 多变量方程误差系统辨识综述
    1.3 论文的主要研究内容简介
第二章 白噪声干扰下的多变量方程误差系统辨识方法
    2.1 系统描述与辨识模型
    2.2 递推最小二乘辨识算法
    2.3 基于分解的递推最小二乘算法
    2.4 基于分解的随机梯度辨识算法
    2.5 基于分解的多新息随机梯度算法
    2.6 数值仿真
    2.7 本章小结
第三章 有色噪声干扰下的多变量方程误差系统辨识方法
    3.1 系统描述与辨识模型
    3.2 递推广义增广最小二乘辨识算法
    3.3 基于分解的递推广义增广最小二乘算法
    3.4 基于分解的广义增广随机梯度辨识算法
    3.5 基于分解的多新息广义增广随机梯度算法
    3.6 数值仿真
    3.7 本章小结
第四章 主要结论与展望
    4.1 主要结论
    4.2 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]传递函数辨识（9）:基于频率响应的递推参数估计方法[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2019(04)
[2]基于DCS的锅炉燃烧控制系统设计研究[J]. 陶静.  数码世界. 2019(03)
[3]传递函数辨识（4）:基于脉冲响应的递推参数估计方法[J]. 丁锋,徐玲,刘喜梅.  青岛科技大学学报(自然科学版). 2018(04)
[4]非均匀采样Hammerstein系统的梯度迭代辨识算法[J]. 谢莉,杨慧中.  南京理工大学学报. 2017(06)
[5]损失数据线性参数系统的递推最小二乘辨识方法[J]. 丁锋,汪菲菲.  控制与决策. 2016(12)
[6]多元系统耦合带遗忘因子有限数据窗递推最小二乘辨识方法[J]. 时振伟,纪志成,王艳.  控制与决策. 2016(10)
[7]系统辨识算法的复杂性、收敛性及计算效率研究[J]. 丁锋.  控制与决策. 2016(10)
[8]Stochastic gradient algorithm for a dual-rate Box-Jenkins model based on auxiliary model and FIR model[J]. Jing CHEN,Rui-feng DING.  Journal of Zhejiang University-Science C（Computers & Electronics）. 2014(02)
[9]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)
[10]基于梯度算法的永磁伺服系统惯量辨识性能研究[J]. 梁骄雁,胡育文,鲁文其.  航空学报. 2011(03)



本文编号：3268463