Hammerstein模型的极大似然辨识方法的研究

发布时间：2021-12-28 01:58

　　本文介绍了非线性系统辨识研究的目的和意义,详细概述了在非线性辨识领域占有重要位置的Hammerstein模型,即一类模块化的非线性系统模型,该模型是由静态的非线性子模块与动态的线性子模块相连接而构成的。由于Hammerstein模型结构简单,具有能够有效地描述几乎所有被控系统的特征、并且易于实现在线辨识,因此成为国内外学者和专家的研究热点,并在实际工程中的许多领域中得到广泛的应用。众所周知,单变量Hammerstein模型的辨识理论和方法的研究已经比较成熟,本文主要针对多变量Hammerstein模型,基于极大似然辨识方法,进行Hammerstein系统辨识方法的研究。本文基于极大似然原理,提出不同多变量Hammerstein系统的辨识方法,并通过Matlab仿真软件进行仿真实验。本文的主要内容如下:1.介绍了Hammerstein模型及其数学描述,模型辨识的主要内容和基本步骤,并列出辨识所常用的两种模型,即方程误差类模型和输出误差类模型。2.介绍了极大似然辨识算法的原理和辨识步骤,并以受控自回归模型为仿真实例进行极大似然参数估计。3.基于极大似然辨识原理,针对在有色噪声干扰下的多变量... 

【文章来源】：青岛大学山东省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

不同方差护时的参数估计误差

【参考文献】：
期刊论文
[1]Hammerstein OEMA系统的辅助模型最小二乘辨识[J]. 初燕云,王冬青,杨国为.  科学技术与工程. 2009(22)
[2]SIMO系统辅助变量最小二乘盲辨识方法[J]. 陈慧波,丁锋.  系统工程与电子技术. 2009(04)
[3]基于辅助模型的多新息广义增广随机梯度算法[J]. 王冬青,丁锋.  控制与决策. 2008(09)
[4]Robust maximum-likelihood parameter estimation of stochastic state-space systems based on EM algorithm[J]. Zhong Lusheng(National Laboratory of Industrial Control Technology,Institute of Industrial Process Control,Zhejiang University,Hangzhou 310027,China).  Progress in Natural Science. 2007(09)
[5]多变量系统状态空间模型的递阶辨识[J]. 丁锋,萧德云.  控制与决策. 2005(08)
[6]时变参数遗忘梯度估计算法的收敛性[J]. 丁锋,丁韬,杨家本,徐用懋.  自动化学报. 2002(06)
[7]大系统的递阶辨识[J]. 丁锋,杨家本.  自动化学报. 1999(05)
[8]随机梯度算法的收敛性分析[J]. 丁锋,杨家本.  清华大学学报(自然科学版). 1999(01)



本文编号：3553177