發(fā)布時間：2017-10-16 03:44

  本文關鍵詞：方程誤差模型基于最新估計的多新息隨機梯度辨識

  更多相關文章： 隨機梯度 遞階辨識 多新息 最新估計信息

【摘要】：數學模型是分析系統(tǒng)動態(tài)特性的基礎。辨識技術是建立復雜系統(tǒng)數學模型的有效方法之一。在實際工業(yè)生產過程中,由于控制系統(tǒng)日益復雜,僅依靠系統(tǒng)輸入輸出信息的辨識理論在建模過程中發(fā)揮著越來越重要的作用。隨機梯度算法是辨識理論中的一種經典算法,而現有的隨機梯度辨識算法都是建立在一個參數向量的基礎上。然而,對于復雜的動態(tài)系統(tǒng),這種辨識方法會影響辨識算法的收斂速度和在計算機上的運算速度,并且,所得到的參數的辨識精度比較低。為了克服此缺陷,在經典隨機梯度辨識算法的基礎上,我們利用遞階辨識原理建立基于最新估計信息的多新息隨機梯度辨識算法。本文的主要研究對象為方程誤差類模型,包括方程誤差模型、方程誤差滑動平均模型、方程誤差自回歸模型和方程誤差自回歸滑動平均模型。主要的研究內容和結果包括以下幾個方面。對四種方程誤差類模型,利用遞階辨識原理,將隨機梯度算法中一個參數向量分解成兩個子參數向量,然后對每個子參數向量,分別采用隨機梯度辨識算法進行參數辨識,從而提出了遞階隨機梯度辨識算法。該算法通過拆分向量提高了算法的收斂速度。在上述遞階隨機梯度辨識算法中,估計第二個子參數向量時,利用了第一個子參數向量上一時刻的估計值。但是,此時第一個子參數向量當前時刻的估計值是已知的。一般情況下,參數向量的當前時刻的估計更接近于其真值。因此,在遞階隨機梯度辨識算法的基礎上,我們充分利用最新的估計信息,針對四種方程誤差類模型,提出了基于最新估計信息的多新息隨機梯度辨識算法。對所提出的基于最新估計的辨識算法進行仿真研究,結果表明本文所提出的基于最新估計的辨識算法比已存在的多新息辨識算法有更快的收斂速度和更高的辨識精度。另外,我們也將所提出的基于最新估計的辨識算法推廣到了多輸入單輸出系統(tǒng)的辨識。
【關鍵詞】：隨機梯度 遞階辨識 多新息 最新估計信息
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O231
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-13
• 1.1 課題研究的背景和意義8
• 1.2 多新息辨識技術的應用8-10
• 1.3 方程誤差類模型的研究現狀10-12
• 1.4 本課題的主要研究內容12-13
• 第2章 方程誤差模型的辨識算法13-26
• 2.1 多新息隨機梯度辨識算法13-15
• 2.2 遞階隨機梯度辨識算法15-18
• 2.3 基于最新估計信息的多新息隨機梯度辨識算法18-19
• 2.4 仿真實例19-25
• 2.4.1 單輸入單輸出系統(tǒng)仿真19-23
• 2.4.2 多輸入單輸出系統(tǒng)仿真23-25
• 2.5 本章小結25-26
• 第3章 方程誤差滑動平均模型的辨識算法26-40
• 3.1 增廣的多新息隨機梯度辨識算法26-29
• 3.2 遞階增廣的隨機梯度辨識算法29-31
• 3.3 基于最新估計信息的增廣多新息隨機梯度辨識算法31-33
• 3.4 仿真實例33-39
• 3.4.1 單輸入單輸出系統(tǒng)仿真33-37
• 3.4.2 多輸入單輸出系統(tǒng)仿真37-39
• 3.5 本章小結39-40
• 第4章 方程誤差自回歸模型的辨識算法40-54
• 4.1 廣義的多新息隨機梯度辨識算法40-43
• 4.2 遞階廣義的隨機梯度辨識算法43-44
• 4.3 基于最新估計信息的廣義多新息隨機梯度辨識算法44-46
• 4.4 仿真實例46-53
• 4.4.1 單輸入單輸出系統(tǒng)仿真46-50
• 4.4.2 多輸入單輸出系統(tǒng)仿真50-53
• 4.5 本章小結53-54
• 第5章 方程誤差自回歸滑動平均模型的辨識算法54-68
• 5.1 廣義增廣的多新息隨機梯度辨識算法54-57
• 5.2 遞階廣義增廣的隨機梯度辨識算法57-59
• 5.3 基于最新估計信息的廣義增廣多新息隨機梯度辨識算法59-61
• 5.4 仿真實例61-67
• 5.4.1 單輸入單輸出系統(tǒng)仿真61-65
• 5.4.2 多輸入單輸出系統(tǒng)仿真65-67
• 5.5 本章小結67-68
• 結論68-69
• 參考文獻69-73
• 攻讀碩士學位期間發(fā)表的論文及其它成果73-75
• 致謝75

【參考文獻】

中國期刊全文數據庫 前5條

1 陳中偉;沈艷霞;;基于多新息最小二乘的感應電機參數辨識策略[J];江南大學學報(自然科學版);2010年05期

2 鄧自立;馬建為;杜洪越;;ARMA模型參數估計的兩段最小二乘法[J];科學技術與工程;2002年05期

3 丁鋒,蕭德云,丁韜;多新息隨機梯度辨識方法[J];控制理論與應用;2003年06期

4 丁鋒;;系統(tǒng)辨識(1):辨識導引[J];南京信息工程大學學報(自然科學版);2011年01期

5 陳曉偉;丁鋒;;有色噪聲系統(tǒng)的迭代辨識與遞推辨識方法仿真比較研究[J];系統(tǒng)仿真學報;2008年21期

中國碩士學位論文全文數據庫 前1條

1 鮑波;多變量方程誤差類模型的最小二乘參數估計[D];江南大學;2012年

，

本文編號：1040434