基于滤波的多变量方程误差类系统梯度辨识方法

发布时间：2017-12-23 18:02

  本文关键词：基于滤波的多变量方程误差类系统梯度辨识方法　出处：《湖北工业大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 数据滤波 梯度搜索 迭代辨识 多变量系统

【摘要】：随着现代社会的高速发展,社会经济系统和社会系统日益复杂,通过研究发现,这些系统许多都可以看作是多变量系统,而结构复杂、参数多是多变量控制系统的典型特点。为了能更好的对多变量控制系统进行分析、综合和设计,论文利用数据滤波技术和梯度搜索来研究多变量系统参数辨识问题,取得了如下研究成果。(1)对于多变量方程误差滑动平均系统,首先要利用数据滤波技术预处理系统的输入数据和输出数据,将系统转化为包含系统参数的系统模型和包含噪声参数的噪声模型,但是辨识模型的信息向量中存在未知的噪声项,使得估计无法进行,这时可以采用前一时刻的估计值来代替未知项,然后借助于梯度搜索,推导出基于滤波的增广随机梯度算法。随机梯度算法的缺点是参数估计精度不高,思考在每一次的递推计算中尽可能多的使用系统数据,于是引入新息长度,将相关向量扩展为矩阵,推导出基于滤波的多新息增广随机梯度算法,这是一种有效提高参数估计精度的方法。(2)对于多变量方程误差自回归系统,在选用适当的滤波器对系统数据进行预处理之后,推导出基于滤波的广义随机梯度算法和基于滤波的多新息广义随机梯度算法。参数估计精度需要被进一步的提高,于是采取负梯度搜索,推导出基于滤波的梯度迭代算法。每一步迭代计算都会使用系统的全部数据,上一时刻的系统参数估计值用于计算当前噪声估计值,再用噪声估计值计算当前时刻的系统参数估计值。(3)上文提到的两种系统可以看作是多变量方程误差受控自回归自回归滑动平均系统的两种特殊情况。因此可以将已经推导出的算法继续推广应用到该系统,推导基于滤波的广义增广随机梯度算法、基于滤波的多新息广义增广随机梯度算法、基于滤波的梯度迭代算法,以及有限量测的滤波式梯度迭代算法,这四种算法显然更具有普适性。通过计算机仿真对论文中所提出的辨识算法进行测试,所得出的结果是符合预期的,这说明所提出的方法是有效的。最后对算法的优缺点和实际生产中的应用范围加以总结,同时明确今后的研究方向和研究重点。
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：N945.14

【相似文献】

相关期刊论文 前10条

1 周军;多变量系统各类阻塞零点的关系与性质[J];兰州大学学报;1994年04期

2 王辉先,曹力,吴大进;多变量系统的平方噪声理论[J];华中理工大学学报;1990年05期

3 郭一新 ,于云玲;多变量系统信号流图的计算方法[J];黑龙江大学自然科学学报;1983年02期

4 朴春俊;孙晚华;;多变量系统的一种近似数学模型[J];东北重型机械学院学报;1991年04期

5 张英林，，张延华;用频域模型近似多变量系统时的反馈稳定性[J];兰州大学学报;1994年04期

6 彭小奇，梅炽，周孑民，唐英;多变量系统的模糊神经网络控制模型及其应用[J];控制理论与应用;1995年03期

7 于伟;一类不确定多变量系统的稳定条件[J];青岛大学学报(自然科学版);1996年03期

8 张延华,张英林;基于近似模型的多变量系统的稳定性分析[J];兰州大学学报;1992年04期

9 余科根;时变多变量系统阶次和参数的同时辨识[J];江西师范大学学报(自然科学版);1996年04期

10 王艳敏;夏红伟;王常虹;;高维不确定多变量系统的高阶滑模分解控制[J];黑龙江大学自然科学学报;2011年02期

相关会议论文 前10条

1 吴忠强;朴春俊;赵海英;;一类多变量系统的混合模型参考自适应控制[A];1996中国控制与决策学术年会论文集[C];1996年

2 郭东道;;大延迟多变量系统的一种设计方法[A];1997年中国控制会议论文集[C];1997年

3 顾晓方;王先来;;多变量系统智能PID控制器设计[A];1998年中国控制会议论文集[C];1998年

4 陈雪波;张方;常政贵;陈祖清;;多变量系统非平衡补偿阵的拟合[A];第三届全国控制与决策系统学术会议论文集[C];1991年

5 李昕;江芳泽;;多变量系统的自适应神经网络控制方法[A];1997中国控制与决策学术年会论文集[C];1997年

6 黄敬尧;崔志强;肖建修;;多变量系统及其解耦控制器的设计[A];第二十二届中国控制会议论文集（上）[C];2003年

7 张方;刘昆;李树生;;多变量系统的高频增益平衡法[A];1997中国控制与决策学术年会论文集[C];1997年

8 王划一;李继成;;多变量系统非线性控制器的设计[A];第二十届中国控制会议论文集（上）[C];2001年

9 郭东道;;用逆回差矩阵分析和设计多变量系统的整体性[A];第三届全国控制与决策系统学术会议论文集[C];1991年

10 苏佰丽;陈增强;袁著祉;;多变量系统的带约束输入的广义预测控制新算法[A];第二十三届中国控制会议论文集（上册）[C];2004年

相关博士学位论文 前1条

1 曹丽婷;时滞及非方多变量系统的辨识与内模控制研究[D];北京化工大学;2015年

相关硕士学位论文 前10条

1 王涵睿;多变量系统的耦合分析及其内模控制[D];北京化工大学;2015年

2 王晓红;耦合多变量时滞系统PID控制方法的研究[D];北京化工大学;2015年

3 沈雅丽;基于广义简单解耦的多变量系统自抗扰分散控制[D];华北电力大学(北京);2016年

4 姜晓;基于滤波的多变量方程误差类系统梯度辨识方法[D];湖北工业大学;2017年

5 刘永丽;多变量系统的鲁棒直接模型参考自适应控制[D];曲阜师范大学;2011年

6 刘洪涛;工业过程多变量系统的建模与仿真[D];北京化工大学;2006年

7 韩贺强;方程误差类多变量系统的迭代辨识[D];江南大学;2010年

8 焦军胜;基于广义最小方差的多变量系统控制器性能评价研究[D];北京化工大学;2012年

9 杨妍妍;多变量系统的直接型模型参考自适应控制研究[D];曲阜师范大学;2009年

10 张会华;多变量系统的组合模型预测控制研究及软件设计[D];燕山大学;2013年

本文编号：1324898