許多工業(yè)過程,如蒸餾塔、熱交換器和反應(yīng)堆等,都可以用時滯多變量系統(tǒng)建模.時滯的存在使得系統(tǒng)的輸出不能及時響應(yīng),且穩(wěn)定性變差,設(shè)計系統(tǒng)控制器時對時滯參數(shù)的精度要求較高,因此,時滯的估計和系統(tǒng)參數(shù)估計都是系統(tǒng)辨識的重要內(nèi)容.本文針對不同的含有未知時滯的多變量系統(tǒng),采用過參數(shù)化方法建立具有高維稀疏參數(shù)向量的辨識模型.除非時滯是預(yù)先確定的,傳統(tǒng)辨識方法不能得到稀疏解且需要大量觀測數(shù)據(jù).受稀疏優(yōu)化和壓縮感知重構(gòu)（compressed sensing reconstruction,CSR）理論啟發(fā),本文基于凸優(yōu)化方法和貪婪算法,利用輔助模型和迭代辨識思想,提出相應(yīng)的聯(lián)合時滯和參數(shù)辨識方法,具體研究成果如下.1.針對含有未知時滯的多輸入單輸出受控自回歸系統(tǒng),基于凸松弛理論,改進(jìn)基追蹤降噪方法提出閾值基追蹤降噪算法.基于貪婪搜索策略,提出執(zhí)行速度更快的閾值正則化正交匹配追蹤算法.為進(jìn)一步提高計算效率,運用梯度搜索原理提出梯度追蹤（gradient pursuit,GP）算法.提出的算法能夠在少量采樣數(shù)據(jù)的情況下獲得有效的參數(shù)估計,系統(tǒng)未知時滯可根據(jù)估計參數(shù)向量的稀疏結(jié)構(gòu)確定.仿真算例驗證了所提算法的有... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問題的提出與研究意義
    1.2 領(lǐng)域研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容簡介
第二章 多輸入單輸出受控自回歸系統(tǒng)的參數(shù)和時滯辨識
    2.1 系統(tǒng)描述
    2.2 信息矩陣的規(guī)范化處理
    2.3 MISO-CAR系統(tǒng)的閾值基追蹤降噪算法
        2.3.1 算法推導(dǎo)
        2.3.2 仿真實驗
    2.4 MISO-CAR系統(tǒng)的閾值正則化正交匹配追蹤算法
        2.4.1 算法推導(dǎo)
        2.4.2 仿真實驗
    2.5 MISO-CAR系統(tǒng)的梯度追蹤算法
        2.5.1 算法推導(dǎo)
        2.5.2 計算量分析
        2.5.3 仿真實驗
    2.6 小結(jié)
第三章 多輸入單輸出輸出誤差系統(tǒng)的參數(shù)和時滯辨識
    3.1 系統(tǒng)描述
    3.2 信息矩陣的規(guī)范化處理
    3.3 MISO-OE系統(tǒng)的輔助模型基追蹤降噪迭代算法
        3.3.1 算法推導(dǎo)
        3.3.2 仿真實驗
    3.4 MISO-OE系統(tǒng)的輔助模型正交匹配追蹤迭代算法
        3.4.1 算法推導(dǎo)
        3.4.2 仿真實驗
    3.5 MISO-OE系統(tǒng)的輔助模型梯度追蹤迭代算法
        3.5.1 算法推導(dǎo)
        3.5.2 計算量分析
        3.5.3 仿真實驗
    3.6 小結(jié)
第四章 多輸入單輸出輸出誤差滑動平均系統(tǒng)的參數(shù)和時滯辨識
    4.1 系統(tǒng)描述
    4.2 信息矩陣的規(guī)范化處理
    4.3 MISO-OEMA系統(tǒng)的輔助模型增廣基追蹤降噪迭代算法
        4.3.1 算法推導(dǎo)
        4.3.2 仿真實驗
    4.4 MISO-OEMA系統(tǒng)的輔助模型增廣正交匹配追蹤迭代算法
        4.4.1 算法推導(dǎo)
        4.4.2 仿真實驗
    4.5 MISO-OEMA系統(tǒng)的輔助模型增廣梯度追蹤迭代算法
        4.5.1 算法推導(dǎo)
        4.5.2 計算量分析
        4.5.3 仿真實驗
    4.6 小結(jié)
第五章 結(jié)論與展望
致謝
參考文獻(xiàn)
附錄 :攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]傳遞函數(shù)辨識（14）:頻率響應(yīng)迭代參數(shù)估計（串聯(lián)情形）[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2020(03)
[2]傳遞函數(shù)辨識（13）:頻率響應(yīng)迭代參數(shù)估計（并聯(lián)情形）[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2020(02)
[3]傳遞函數(shù)辨識（12）：頻率響應(yīng)遞推參數(shù)估計（串聯(lián)情形）[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2020(01)
[4]傳遞函數(shù)辨識（11）:頻率響應(yīng)遞推參數(shù)估計（并聯(lián)情形）[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[5]傳遞函數(shù)辨識（10）:基于頻率響應(yīng)的迭代參數(shù)估計方法[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[6]傳遞函數(shù)辨識（9）:基于頻率響應(yīng)的遞推參數(shù)估計方法[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[7]基于輔助變量的壓縮采樣匹配追蹤閉環(huán)系統(tǒng)辨識方法[J]. 劉艷君,韓雪,丁鋒.  控制與決策. 2017(10)
[8]多輸入動態(tài)調(diào)節(jié)系統(tǒng)的正交匹配追蹤迭代辨識算法[J]. 劉艷君,陶太洋,丁鋒.  中南大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[9]MISO-FIR系統(tǒng)的梯度追蹤辨識算法[J]. 陶太洋,劉艷君,丁鋒.  信息與控制. 2016(02)
[10]MISO系統(tǒng)基于正交匹配追蹤算法的參數(shù)與時滯聯(lián)合估計[J]. 劉艷君,陶太洋,丁鋒.  控制與決策. 2015(11)



本文編號：3120654