类多变量输出误差系统的耦合迭代辨识方法
发布时间：2020-12-12 15:35
随着现代工业技术的快速发展,工业过程中的控制系统中所包含的变量数和参数越来越多,因此对于这种多变量控制系统的参数辨识成为近几年来的研究热门。类多变量输出误差系统是一种特殊的多变量系统,凭借其参数类型复杂进而成为系统辨识领域的研究热点。论文针对类多变量输出误差系统展开了研究,分别研究了其在不同类型有色噪声干扰下的参数辨识问题,并利用耦合辨识概念完成对基础迭代算法的优化,推导出了耦合类迭代辨识算法,所推导出的算法具有理论意义和实际应用价值。论文取得如下成果:(1)针对类多变量输出误差滑动平均系统,利用辅助模型辨识思想推导出了增广梯度迭代算法。为了提高参数估计精度,进一步利用耦合辨识概念,提出了部分耦合子系统增广梯度迭代算法和部分耦合增广梯度迭代算法。(2)针对类多变量输出误差滑动平均系统,利用最小二乘搜索准则,提出了增广最小二乘迭代算法。为了提高参数辨识精度,提出了部分耦合子系统最小二乘迭代算法。(3)针对类多变量输出误差自回归滑动平均系统,研究了广义增广梯度迭代算法和广义增广最小二乘迭代算法。为了提高计算效率,利用递阶辨识原理,推导出了相对应的子系统广义增广迭代算法。(4)针对类多变量输...
【文章来源】：湖北工业大学湖北省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
EGI，PC-S-EGI和PC-EGI参数估计误差随k变化曲线
湖北工业大学硕士学位论文24图2.7EGI，PC-S-EGI和PC-EGI参数估计误差随k变化曲线Fig.2.7TheparameterestimationerrorsoftheEGI,PC-S-EGIandPC-EGIalgorithmsversusk图2.8PC-EGI参数估计误差随k变化曲线Fig.2.8Theestimationerrorsversuskwithdifferentnoisevariances
湖北工业大学硕士学位论文25图2.9PC-EGI参数估计误差随k变化曲线Fig.2.9TheestimationerrorsversuskwithdifferentdatalengthPC-S-EGI算法和PC-EGI算法所需的迭代次数更少，参数估计的精确度更高。(3)数据长度一定，PC-EGI算法的参数估计精确度与噪声方差成反比。同样，噪声方差一定时，PC-EGI算法的参数估计误差与离散数据的长度成反比。2.4部分耦合子系统增广最小二乘迭代辨识方法迭代辨识通过结合不同的搜索准则可以推导出不同的算法，如在负梯度搜索准则下形成的梯度迭代算法，与最小二乘搜索准则形成最小二乘迭代算法等。下面将推导解决MOEMA-like系统的参数辨识问题的增广最小二乘迭代算法，并引入耦合辨识概念形成部分耦合子系统增广最小二乘迭代算法。2.4.1增广最小二乘迭代算法将2.3节中的准则函数1J()重写如下：21J():=Y(L)Γ(L)，其中，Y(L)，Γ(L)和定义同上。求1J()对的导数并使导数等于0可以得到估计参数向量的最小二乘迭代关系：T1T=[()()]()()kLLLLΓΓΓY.(2-84)
【参考文献】：
期刊论文
[1]基于移动数据窗的传递函数多新息随机梯度辨识方法[J]. 徐玲. 控制与决策. 2017(06)
[2]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)
[3]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)
[4]多变量系统的耦合梯度辨识算法与性能分析[J]. 刘艳君,丁锋. 控制与决策. 2016(08)
[5]多变量方程误差类系统的部分耦合迭代辨识方法[J]. 丁锋,汪菲菲,汪学海. 南京信息工程大学学报(自然科学版). 2014(04)
[6]类多变量输出误差系统的耦合多新息辨识方法[J]. 丁锋,汪菲菲,汪学海. 南京信息工程大学学报(自然科学版). 2014(03)
[7]多元伪线性回归系统部分耦合多新息随机梯度类辨识方法[J]. 丁锋,汪菲菲,汪学海. 南京信息工程大学学报(自然科学版). 2014(02)
[8]多元系统耦合多新息随机梯度类辨识方法[J]. 丁锋,汪菲菲. 南京信息工程大学学报(自然科学版). 2014(01)
[9]系统辨识(8):耦合辨识概念与方法[J]. 丁锋. 南京信息工程大学学报(自然科学版). 2012(03)
[10]系统辨识(7):递阶辨识原理与方法[J]. 丁锋. 南京信息工程大学学报(自然科学版). 2012(02)
本文编号：2912829
【文章来源】：湖北工业大学湖北省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
EGI，PC-S-EGI和PC-EGI参数估计误差随k变化曲线
湖北工业大学硕士学位论文24图2.7EGI，PC-S-EGI和PC-EGI参数估计误差随k变化曲线Fig.2.7TheparameterestimationerrorsoftheEGI,PC-S-EGIandPC-EGIalgorithmsversusk图2.8PC-EGI参数估计误差随k变化曲线Fig.2.8Theestimationerrorsversuskwithdifferentnoisevariances
湖北工业大学硕士学位论文25图2.9PC-EGI参数估计误差随k变化曲线Fig.2.9TheestimationerrorsversuskwithdifferentdatalengthPC-S-EGI算法和PC-EGI算法所需的迭代次数更少，参数估计的精确度更高。(3)数据长度一定，PC-EGI算法的参数估计精确度与噪声方差成反比。同样，噪声方差一定时，PC-EGI算法的参数估计误差与离散数据的长度成反比。2.4部分耦合子系统增广最小二乘迭代辨识方法迭代辨识通过结合不同的搜索准则可以推导出不同的算法，如在负梯度搜索准则下形成的梯度迭代算法，与最小二乘搜索准则形成最小二乘迭代算法等。下面将推导解决MOEMA-like系统的参数辨识问题的增广最小二乘迭代算法，并引入耦合辨识概念形成部分耦合子系统增广最小二乘迭代算法。2.4.1增广最小二乘迭代算法将2.3节中的准则函数1J()重写如下：21J():=Y(L)Γ(L)，其中，Y(L)，Γ(L)和定义同上。求1J()对的导数并使导数等于0可以得到估计参数向量的最小二乘迭代关系：T1T=[()()]()()kLLLLΓΓΓY.(2-84)
【参考文献】：
期刊论文
[1]基于移动数据窗的传递函数多新息随机梯度辨识方法[J]. 徐玲. 控制与决策. 2017(06)
[2]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)
[3]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)
[4]多变量系统的耦合梯度辨识算法与性能分析[J]. 刘艳君,丁锋. 控制与决策. 2016(08)
[5]多变量方程误差类系统的部分耦合迭代辨识方法[J]. 丁锋,汪菲菲,汪学海. 南京信息工程大学学报(自然科学版). 2014(04)
[6]类多变量输出误差系统的耦合多新息辨识方法[J]. 丁锋,汪菲菲,汪学海. 南京信息工程大学学报(自然科学版). 2014(03)
[7]多元伪线性回归系统部分耦合多新息随机梯度类辨识方法[J]. 丁锋,汪菲菲,汪学海. 南京信息工程大学学报(自然科学版). 2014(02)
[8]多元系统耦合多新息随机梯度类辨识方法[J]. 丁锋,汪菲菲. 南京信息工程大学学报(自然科学版). 2014(01)
[9]系统辨识(8):耦合辨识概念与方法[J]. 丁锋. 南京信息工程大学学报(自然科学版). 2012(03)
[10]系统辨识(7):递阶辨识原理与方法[J]. 丁锋. 南京信息工程大学学报(自然科学版). 2012(02)
本文编号：2912829
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2912829.html
