TISO-OEAR模型的分解递推最小二乘辨识方法

发布时间：2021-09-07 08:33

　　针对输出误差模型参数估计过程中的计算量较大的问题,提出了基于分解的两输入单输出（TISO）输出误差自回归模型（OEAR）的分解递推最小二乘（DRLS）算法.基本的思想是分解TISO系统为3个子系统,并通过递推最小二乘分别辨识每个子系统.DRLS算法是解决大规模系统的计算量大和复杂辨识模型的辨识难题的一种有效的方法.最后通过仿真实例验证和分析了所提出算法的有效性与优越性,并对两种算法的特点进行了总结. 

【文章来源】：信息与控制. 2016,45(03)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 引言
2 系统描述与问题构成
3 TISO-OEAR模型的递推最小二乘辨识算法
4 分解递推辨识算法
5 仿真实验
6 结束语


【参考文献】：
期刊论文
[1]基于Tikhonov正则化的模糊系统辨识方法[J]. 于一发,张大庆,张波,王艳.  信息与控制. 2014(04)
[2]基于ESN网络的连续搅拌反应釜（CSTR）辨识[J]. 李晓华,李军.  信息与控制. 2014(02)
[3]基于辅助模型的递推增广最小二乘辨识方法[J]. 王冬青.  控制理论与应用. 2009(01)
[4]Box-Jenkins模型偏差补偿方法与其他辨识方法的比较[J]. 杨慧中,张勇.  控制理论与应用. 2007(02)
[5]基于小波变换的含噪系统辨识[J]. 罗晓,陈耀,孙优贤.  信息与控制. 2003(05)
[6]大系统的递阶辨识[J]. 丁锋,杨家本.  自动化学报. 1999(05)
[7]基于小波神经网络的系统辨识方法[J]. 汤笑笑,李介谷.  信息与控制. 1998(04)
[8]一种新的线性分布参数系统辨识方法[J]. 檀国节.  信息与控制. 1994(04)



本文编号：3389226