天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當前位置:主頁 > 科技論文 > 搜索引擎論文 >

傳遞函數(shù)辨識(16):頻率響應(yīng)二階系統(tǒng)參數(shù)估計

發(fā)布時間:2024-02-03 08:51
  基于功率、電壓、電流與電阻的關(guān)系,建立電阻誤差準則函數(shù)、電壓誤差準則函數(shù)、電流誤差準則函數(shù)、功率誤差準則函數(shù),應(yīng)用梯度搜索、最小二乘搜索原理,推導(dǎo)了估計電阻的遞推辨識算法,包括投影算法、隨機梯度算法、多新息隨機梯度算法、遞推梯度算法、多新息遞推梯度算法、遞推最小二乘算法、多新息最小二乘算法等。此外,利用系統(tǒng)的實頻特性數(shù)據(jù)和虛頻特性數(shù)據(jù),給出求解二階傳遞函數(shù)模型參數(shù)的代數(shù)方法。

【文章頁數(shù)】:21 頁

【文章目錄】:
1 電阻誤差準則函數(shù)
    1.1 最小均方估計方法
        1.1.1 最小均方算法
        1.1.2 投影算法
    1.2 隨機梯度估計方法
        1.2.1 隨機梯度算法
        1.2.2 加權(quán)隨機梯度算法
        1.2.3 線性加權(quán)隨機梯度算法或線性遺忘隨機梯度算法
        1.2.4 線性降權(quán)隨機梯度算法
        1.2.5 修正隨機梯度算法
        1.2.6 遺忘因子隨機梯度算法
        1.2.7 加權(quán)遺忘因子隨機梯度算法
        1.2.8 線性加權(quán)遺忘因子隨機梯度算法
        1.2.9 線性降權(quán)遺忘因子隨機梯度算法
    1.3 多新息隨機梯度方法
        1.3.1 多新息隨機梯度算法
        1.3.2 加權(quán)遺忘因子多新息隨機梯度算法
    1.4 遞推梯度估計方法
        1.4.1 遞推梯度算法
        1.4.2 加權(quán)遺忘因子遞推梯度算法
    1.5 多新息遞推梯度方法
        1.5.1 多新息遞推梯度算法
        1.5.2 加權(quán)遺忘因子多新息遞推梯度算法
    1.6 遞推最小二乘方法
        1.6.1 遞推最小二乘算法
        1.6.2 加權(quán)遺忘因子遞推最小二乘算法
    1.7 多新息最小二乘方法
        1.7.1 多新息最小二乘算法
        1.7.2 加權(quán)遺忘因子多新息最小二乘算法
2 電壓誤差平方和準則函數(shù)
    2.1 最小均方估計方法
        2.1.1 最小均方算法
        2.1.2 投影算法
    2.2 隨機梯度估計方法
        2.2.1 隨機梯度算法
        2.2.2 加權(quán)隨機梯度算法
        2.2.3 加權(quán)遺忘因子隨機梯度算法
    2.3 多新息隨機梯度方法
        2.3.1 多新息隨機梯度算法
        2.3.2 加權(quán)遺忘因子多新息隨機梯度算法
    2.4 遞推梯度估計方法
        2.4.1 遞推梯度算法
        2.4.2 加權(quán)遺忘因子遞推梯度算法
    2.5 多新息遞推梯度方法
        2.5.1 多新息遞推梯度算法
        2.5.2 加權(quán)遺忘因子多新息遞推梯度算法
    2.6 遞推最小二乘方法
        2.6.1 遞推最小二乘算法
        2.6.2 加權(quán)遺忘因子遞推最小二乘算法
    2.7 多新息最小二乘方法
        2.7.1 多新息最小二乘算法
        2.7.2 加權(quán)遺忘因子多新息最小二乘算法
3 電流誤差平方和準則函數(shù)
    3.1 最小均方估計算法
    3.2 隨機梯度估計算法
    3.3 多新息隨機梯度算法
    3.4 遞推梯度估計算法
    3.5 多新息遞推梯度算法
    3.6 遞推最小二乘算法
    3.7 多新息最小二乘算法
4 功率誤差平方和準則函數(shù)
    4.1 最小均方估計算法
    4.2 隨機梯度估計算法
    4.3 多新息隨機梯度算法
    4.4 遞推梯度估計算法
    4.5 多新息遞推梯度算法
    4.6 遞推最小二乘算法
    4.7 多新息最小二乘算法
5 二階系統(tǒng)的參數(shù)辨識(4參數(shù))
    5.1 實頻特性四點法和多點法
        5.1.1 實頻四點法
        5.1.2 實頻最小二乘算法
    5.2 虛頻特性四點法和多點法
        5.2.1 虛頻四點法
        5.2.2 虛頻最小二乘算法
    5.3 聯(lián)合特性四點法和多點法
        5.3.1 聯(lián)合四點法
        5.3.2 聯(lián)合最小二乘算法
    5.4 聯(lián)合特性兩點法和多點法
        5.4.1 聯(lián)合三點法
        5.4.2 聯(lián)合最小二乘算法
6 二階系統(tǒng)的參數(shù)辨識(5參數(shù))
    6.1 實頻特性五點法和多點法
        6.1.1 實頻五點法
        6.1.2 實頻最小二乘算法
    6.2 聯(lián)合特性四點法和多點法
        6.2.1 聯(lián)合四點法
        6.2.2 聯(lián)合最小二乘算法
    6.3 聯(lián)合特性三點法和多點法
        6.3.1 聯(lián)合三點法
        6.3.2 聯(lián)合最小二乘算法
    6.4 聯(lián)合特性五點法和多點法
        6.4.1 聯(lián)合五點法
        6.4.2 聯(lián)合最小二乘算法
7 結(jié) 語



本文編號:3894036

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3894036.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶e83b0***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com