本文關(guān)鍵詞：變量誤差模型帶遺忘因子的偏差補(bǔ)償最小二乘辨識(shí)，由筆耕文化傳播整理發(fā)布。

【摘要】：變量誤差模型是系統(tǒng)輸入和輸出均受到噪聲干擾的一類模型。當(dāng)將標(biāo)準(zhǔn)的最小二乘辨識(shí)算法應(yīng)用于這類模型時(shí),所得到的參數(shù)估計(jì)是有偏的。為避免這一缺陷,一種可行的辦法就是,首先給出標(biāo)準(zhǔn)最小二乘算法計(jì)算出偏差項(xiàng),進(jìn)而利用該偏差項(xiàng)對(duì)標(biāo)準(zhǔn)最小二乘算法進(jìn)行補(bǔ)償。這就是偏差補(bǔ)償?shù)乃枷�。另�?為估計(jì)時(shí)變參數(shù),可以引入遺忘因子降低舊數(shù)據(jù)的影響。本文基于偏差補(bǔ)償思想,研究變量誤差類模型帶遺忘因子的最小二乘辨識(shí)方法,并將其應(yīng)用于參數(shù)時(shí)變系統(tǒng)的參數(shù)辨識(shí),取得了如下主要工作。針對(duì)變量誤差模型,通過(guò)引入遺忘因子得到了帶遺忘因子的遞推最小二乘辨識(shí)算法,并給出了在該算法下的最小二乘估計(jì)值偏差項(xiàng)的表達(dá)式。對(duì)輸入和輸出均受白噪聲干擾的變量誤差模型,引入一個(gè)已知的增廣參數(shù)求解偏差項(xiàng)。利用該增廣參數(shù),得到了關(guān)于系統(tǒng)輸入和輸出的兩個(gè)白噪聲的加權(quán)方差的方程組,求解出加權(quán)方差的估計(jì)值,進(jìn)而得到偏差項(xiàng)估計(jì)值。在此基礎(chǔ)上,建立了帶遺忘因子的偏差補(bǔ)償遞推最小二乘辨識(shí)算法。對(duì)輸入受到白噪聲干擾、輸出受到有色噪聲干擾的變量誤差模型,引入一個(gè)濾波器求解偏差項(xiàng)。利用濾波器的已知零點(diǎn),得到了與白噪聲的加權(quán)方差和有色噪聲的加權(quán)協(xié)方差有關(guān)的方程組。通過(guò)求解該方程組得到了偏差項(xiàng)估計(jì)值,進(jìn)而建立了帶遺忘因子的偏差補(bǔ)償遞推最小二乘辨識(shí)算法。對(duì)提出的辨識(shí)算法進(jìn)行了模擬仿真,驗(yàn)證了算法的辨識(shí)性能。分別應(yīng)用上述算法對(duì)不同參數(shù)時(shí)變類型的變量誤差模型進(jìn)行了仿真。仿真結(jié)果表明,本論文提出的兩個(gè)辨識(shí)算法能夠?qū)?shù)時(shí)變系統(tǒng)進(jìn)行更好的辨識(shí)。
【關(guān)鍵詞】：變量誤差模型 遺忘因子 偏差補(bǔ)償 最小二乘 遞推辨識(shí)
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP13
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-16
• 1.1 課題研究的背景和意義8-9
• 1.2 課題的國(guó)內(nèi)外研究現(xiàn)狀9-14
• 1.2.1 系統(tǒng)辨識(shí)研究現(xiàn)狀綜述9-12
• 1.2.2 變量誤差類模型研究現(xiàn)狀12-14
• 1.3 本文主要研究?jī)?nèi)容14-16
• 第2章 變量誤差模型的FFRLS辨識(shí)算法16-23
• 2.1 變量誤差模型簡(jiǎn)介16-18
• 2.2 白噪聲干擾的遞推最小二乘辨識(shí)算法18-20
• 2.3 有色噪聲干擾的遞推最小二乘辨識(shí)算法20-21
• 2.4 本章小結(jié)21-23
• 第3章 白噪聲干擾的變量誤差模型的偏差補(bǔ)償辨識(shí)23-43
• 3.1 算法框架23-26
• 3.2 偏差估計(jì)26-30
• 3.3 算法結(jié)果30-31
• 3.4 仿真分析31-41
• 3.4.1 不同噪聲與信號(hào)方差比的仿真分析33-38
• 3.4.2 不同遺忘因子的仿真分析38-41
• 3.5 本章小結(jié)41-43
• 第4章 有色噪聲干擾的變量誤差模型的偏差補(bǔ)償辨識(shí)43-65
• 4.1 算法框架43-45
• 4.2 偏差估計(jì)45-49
• 4.3 算法結(jié)果49-51
• 4.4 仿真分析51-63
• 4.4.1 系統(tǒng)參數(shù)階躍變化53-56
• 4.4.2 系統(tǒng)參數(shù)線性變化56-59
• 4.4.3 系統(tǒng)參數(shù)正弦變化59-63
• 4.5 本章小結(jié)63-65
• 結(jié)論65-66
• 參考文獻(xiàn)66-71
• 致謝71

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃金峰;張合新;韓勇;吳坤;;基于不同遺忘因子的遞推子空間辨識(shí)算法策略性能比較[J];信息與控制;2013年04期

2 徐嗣鑫，，陳里得;自適應(yīng)向量遺忘因子辨識(shí)算法[J];自動(dòng)化學(xué)報(bào);1994年03期

3 黃金峰;張合新;胡友濤;張植;;基于有限記憶變遺忘因子的子空間辨識(shí)算法[J];控制理論與應(yīng)用;2012年07期

4 張國(guó)忠,汪世漢,黃克明;自動(dòng)調(diào)整遺忘因子的 LKL 辨識(shí)方法及應(yīng)用[J];武漢水利電力大學(xué)學(xué)報(bào);1998年03期

5 李界家,吳成東,王曉哲,馬少華,李敏;故障診斷中遺忘因子的選取方法[J];沈陽(yáng)建筑工程學(xué)院學(xué)報(bào);2000年04期

6 閻曉明;李言俊;陳新海;;一種自動(dòng)調(diào)整遺忘因子的快速時(shí)變參數(shù)辨識(shí)方法[J];自動(dòng)化學(xué)報(bào);1991年03期

7 丁健;楊慧中;;基于遺忘因子最小二乘的自適應(yīng)學(xué)習(xí)控制[J];控制工程;2013年06期

8 余付平;馮有前;雷騰;李哲;;RLS字典學(xué)習(xí)中遺忘因子的影響[J];應(yīng)用科學(xué)學(xué)報(bào);2014年01期

9 張旭光;張?jiān)?王艷寧;王延杰;;基于遺忘因子與卡爾曼濾波的協(xié)方差跟蹤[J];光學(xué)學(xué)報(bào);2010年08期

10 李倩茹;王于丁;張曉芳;;一種變遺忘因子RLS算法的分析與仿真[J];現(xiàn)代電子技術(shù);2008年17期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 丁鋒;謝新民;王新;;一種多變量系統(tǒng)辨識(shí)的新方法:帶遺忘因子隨機(jī)逼近法[A];1992年中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1992年

2 費(fèi)敏銳;;用于快時(shí)變對(duì)象辨識(shí)的遺忘因子算式[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

3 周東華;;具有遺忘因子的在線估計(jì)算法的比較研究[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 曾振鵬;變量誤差模型帶遺忘因子的偏差補(bǔ)償最小二乘辨識(shí)[D];哈爾濱工業(yè)大學(xué);2016年

  本文關(guān)鍵詞：變量誤差模型帶遺忘因子的偏差補(bǔ)償最小二乘辨識(shí)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：311782