多元方程误差系统的极大似然递推辨识

发布时间：2020-12-06 06:28

　　在实际工业过程中,结构复杂的多变量系统广泛存在.因此,多变量系统的辨识一直都是控制领域研究的热点和难点.作为基于概率的估计方法,极大似然估计量具有良好的统计特性,在许多领域有着广泛的应用.本课题将极大似然理论与递推辨识原理相结合用于研究有色噪声干扰的多元方程误差系统的极大似然辨识问题.论文主要成果如下.1.针对多元方程误差滑动平均系统,由于系统既包含参数向量又包含参数矩阵,将系统分解为只包含参数向量的子系统,通过定义子系统参数向量和信息向量得到子系统辨识模型.针对子系统,推导了极大似然增广随机梯度辨识算法.为了提高该算法的收敛速度和参数估计精度,提出了极大似然多新息增广随机梯度算法和极大似然递推增广最小二乘算法.2.针对多元方程误差自回归系统,先将系统分解为多个多输入单输出的子系统,所有子系统包含耦合的参数向量.为了协调子系统间参数向量的耦合关系,提高参数估计精度,引入耦合辨识概念,推导了耦合极大似然递推广义最小二乘算法和耦合极大似然广义随机梯度算法.为了进一步提高梯度算法的参数估计精度,引入多新息,推导了耦合极大似然多新息广义随机梯度辨识算法.3.针对多元方程误差自回归滑动平均系统,... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：118 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与研究意义
    1.2 国内外领域研究现状
    1.3 论文主要研究内容简介
第二章 多元方程误差滑动平均系统的极大似然递推辨识
    2.1 引言
    2.2 系统描述与辨识模型
    2.3 极大似然增广随机梯度辨识算法
    2.4 极大似然多新息增广随机梯度算法
    2.5 极大似然递推增广最小二乘算法
    2.6 数值仿真
    2.7 本章小结
第三章 多元方程误差自回归系统的极大似然递推辨识
    3.1 引言
    3.2 系统描述与辨识模型
    3.3 耦合极大似然广义随机梯度辨识算法
    3.4 耦合极大似然多新息广义随机梯度算法
    3.5 耦合极大似然递推广义最小二乘算法
    3.6 数值仿真
    3.7 本章小结
第四章 多元方程误差自回归滑动平均系统的极大似然递推辨识
    4.1 引言
    4.2 系统描述与辨识模型
    4.3 极大似然递推广义增广最小二乘辨识算法
    4.4 基于滤波的极大似然递推增广最小二乘算法
    4.5 极大似然多新息广义增广随机梯度辨识算法
    4.6 基于滤波的极大似然多新息增广随机梯度算法
    4.7 数值仿真
    4.8 本章小结
第五章 主要结论与展望
    5.1 主要结论
    5.2 展望
致谢
参考文献
附录 :攻读博士期间发表的论文



本文编号：2900897