雙線性系統(tǒng)是一類特殊的非線性系統(tǒng),其關(guān)于狀態(tài)和控制分別是、但不同時(shí)是線性的,它可以用來描述一些實(shí)際過程。因此研究雙線性系統(tǒng)的辨識(shí)方法具有重要的理論意義和應(yīng)用前景。本文借助于輔助模型辨識(shí)思想、遞階辨識(shí)原理和數(shù)據(jù)濾波技術(shù),研究了一類雙線性狀態(tài)空間系統(tǒng)對(duì)應(yīng)輸入輸出表達(dá)的迭代辨識(shí)方法。論文的主要工作如下:（1）針對(duì)離散時(shí)間雙線性狀態(tài)空間系統(tǒng),辨識(shí)的困難在于其模型結(jié)構(gòu)包含狀態(tài)量和輸入量的乘積。通過消除模型中的狀態(tài)量而得到其輸入輸出表示形式。根據(jù)噪聲引入條件的不同,得到的雙線性結(jié)構(gòu)模型可分為輸出誤差類模型和方程誤差類模型。（2）針對(duì)有色噪聲干擾的雙線性系統(tǒng),為了降低噪聲對(duì)參數(shù)估計(jì)結(jié)果的影響,采用濾波器對(duì)輸入輸出數(shù)據(jù)進(jìn)行濾波,提出了用于辨識(shí)雙線性方程誤差自回歸系統(tǒng)的基于濾波的廣義梯度迭代算法,并將提出的算法推廣到雙線性方程誤差自回歸滑動(dòng)平均系統(tǒng)的參數(shù)估計(jì)中。（3）針對(duì)雙線性輸出誤差類系統(tǒng),由于其模型中含有分式,為了處理方便引入了未知的中間變量,因此需要借助于輔助模型辨識(shí)思想,利用輔助模型的輸出代替未知的中間變量,提出了基于輔助模型的最小二乘迭代算法。利用滑動(dòng)數(shù)據(jù)窗,提出了基于輔助模型的多新息最小二乘... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：166 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 問題提出與研究意義
    1.2 領(lǐng)域國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容簡介
2 梯度迭代辨識(shí)方法
    2.1 雙線性系統(tǒng)的模型描述
    2.2 雙線性方程誤差滑動(dòng)平均系統(tǒng)參數(shù)辨識(shí)方法
        2.2.1 增廣梯度迭代算法
        2.2.2 多新息增廣梯度迭代算法
        2.2.3 變間隔增廣梯度迭代算法
    2.3 雙線性方程誤差自回歸系統(tǒng)的參數(shù)辨識(shí)方法
        2.3.1 廣義梯度迭代算法
        2.3.2 遞階廣義梯度迭代算法
        2.3.3 基于濾波的廣義梯度迭代算法
    2.4 雙線性方程誤差自回歸滑動(dòng)平均系統(tǒng)參數(shù)辨識(shí)方法
        2.4.1 基于濾波的廣義增廣梯度迭代算法
        2.4.2 基于半濾波的廣義增廣梯度迭代算法
        2.4.3 廣義增廣梯度迭代算法
    2.5 小結(jié)
3 最小二乘迭代辨識(shí)方法
    3.1 白噪聲干擾的雙線性系統(tǒng)參數(shù)辨識(shí)方法
        3.1.1 基于輔助模型的最小二乘迭代算法
        3.1.2 基于輔助模型的多新息最小二乘迭代算法
    3.2 雙線性輸出誤差滑動(dòng)平均系統(tǒng)的參數(shù)辨識(shí)方法
        3.2.1 基于輔助模型的增廣最小二乘迭代算法
        3.2.2 基于輔助模型的兩階段增廣最小二乘迭代算法
        3.2.3 基于輔助模型的三階段增廣最小二乘迭代算法
    3.3 雙線性輸出誤差自回歸系統(tǒng)的參數(shù)辨識(shí)方法
        3.3.1 基于輔助模型的廣義最小二乘迭代算法
        3.3.2 基于濾波的輔助模型廣義最小二乘迭代算法
    3.4 小結(jié)
4 極大似然迭代辨識(shí)方法
    4.1 雙線性方程誤差滑動(dòng)平均系統(tǒng)參數(shù)辨識(shí)方法
        4.1.1 極大似然增廣梯度迭代算法
        4.1.2 極大似然增廣最小二乘迭代算法
    4.2 雙線性方程誤差自回歸系統(tǒng)參數(shù)辨識(shí)方法
        4.2.1 遞階極大似然廣義梯度迭代算法
        4.2.2 極大似然廣義梯度迭代算法
        4.2.3 遞階極大似然廣義最小二乘迭代算法
        4.2.4 極大似然廣義最小二乘迭代算法
    4.3 雙線性方程誤差自回歸滑動(dòng)平均系統(tǒng)參數(shù)辨識(shí)方法
        4.3.1 基于濾波的極大似然廣義增廣梯度迭代算法
        4.3.2 基于濾波的極大似然廣義增廣最小二乘迭代算法
        4.3.3 基于濾波的遞階極大似然廣義增廣梯度迭代算法
        4.3.4 基于濾波的遞階極大似然廣義增廣最小二乘迭代算法
    4.4 小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]傳遞函數(shù)辨識(shí)（3）:正弦響應(yīng)兩點(diǎn)法和多點(diǎn)法[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[2]傳遞函數(shù)辨識(shí)（2）:脈沖響應(yīng)兩點(diǎn)法和三點(diǎn)法[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]傳遞函數(shù)辨識(shí)（1）:階躍響應(yīng)兩點(diǎn)法和三點(diǎn)法[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[4]信號(hào)建模（6）:多頻信號(hào)模型的遞階迭代參數(shù)估計(jì)[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[5]信號(hào)建模（5）:多頻信號(hào)模型的遞階參數(shù)估計(jì)[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[6]信號(hào)建模（4）:多頻信號(hào)模型的迭代參數(shù)估計(jì)[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[7]信號(hào)建模（3）:多頻信號(hào)模型的遞推參數(shù)估計(jì)[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]信號(hào)建模（2）:雙頻率信號(hào)[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[9]信號(hào)建模（1）:單頻率信號(hào)[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[10]損失數(shù)據(jù)線性參數(shù)系統(tǒng)的遞推最小二乘辨識(shí)方法[J]. 丁鋒,汪菲菲.  控制與決策. 2016(12)

博士論文
[1]基于信息濾波的極大似然遞推辨識(shí)方法[D]. 陳飛燕.江南大學(xué) 2017
[2]極大似然辨識(shí)方法的研究[D]. 李俊紅.江南大學(xué) 2013

碩士論文
[1]雙線性狀態(tài)空間系統(tǒng)的遞推辨識(shí)[D]. 孟丹丹.江南大學(xué) 2017
[2]基于IGA的Volterra核辨識(shí)及機(jī)械振動(dòng)信號(hào)消噪方法研究[D]. 甘慧萍.蘭州交通大學(xué) 2015
[3]雙線性系統(tǒng)近似最優(yōu)控制方法的研究[D]. 楊佩佩.青島科技大學(xué) 2010
[4]線性系統(tǒng)盲辨識(shí)方法的研究[D]. 陳慧波.江南大學(xué) 2008



本文編號(hào)：3630070