输出误差模型基于最新估计的偏差补偿递推最小二乘辨识

发布时间：2024-12-10 01:21

　　最小二乘算法在系统辨识领域被广泛使用,但是对于输出误差模型得到的辨识参数不是无偏的,将偏差项补偿到辨识中可以得到无偏估计,这就是偏差补偿思想。随着工业的发展,系统越来越庞杂,模型的维度和阶数愈发增大,计算量的增大给辨识带来很多麻烦。传统的两阶段辨识算法可以减小计算量,但是却会产生收敛速度减慢的问题。本文基于偏差补偿递推最小二乘辨识算法,以减小计算量、改进收敛特性为目的,将从以下几个方面进行研究。针对白噪声干扰下的输出误差模型,利用递阶辨识原理,将系统分解成分别包含输入和输出参数的两个子系统。运用偏差补偿最小二乘法对两个子系统分别进行辨识,得到了两阶段偏差补偿递推最小二乘辨识算法,它是输出误差模型的无偏估计辨识算法。考虑到最新估计的信息理论上是更接近参数真值的,将一个子系统最新估计的参数值应用到另一子系统的参数估计中,建立了基于最新估计的偏差补偿递推最小二乘辨识算法。与偏差补偿递推最小二乘算法进行比较,新建立的算法的计算量更小。在MATLAB下的仿真结果显示,基于最新估计的算法能够改进两阶段辨识算法的收敛速度,并且有较好的收敛精度和抗干扰能力。为了能够辨识时变系统的参数,结合递阶辨识思想和...

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图4-1参数辨识误差22

000-1.491680.792410.777690.425950.67500-1.494370.794920.777750.433430.81000-1.494930.795510.780530.429000.58500-1.495320.79....

图4-2参数辨识误差2

vt1a2a1b2bLE-BCRLS参数估计00-1.433370.728640.662980.6694515.200-1.463550.764990.780210.508195.30000-1.473210.775530.750870.4988....

图4-3参数辨识误差

t1a2a1b2bLE-BCRLS参数估计00-1.485730.781830.789590.409031.42500-1.485330.781440.706240.409294.07000-1.499210.793190.645920.4705....

图4-4参数估计误差随t变化曲线对比

图4-4参数估计误差随t变化曲线对比4-6给出了噪声方差为220.50v时算法估计的参数及其误差范数，结果较220.20v时精度变差。随t的变化见图4-5，容易看出曲线表4-6参数估计值和估计误差220.50v1a2a1b2bLE....

本文编号：4015378