隨著工業(yè)技術(shù)的發(fā)展,大多工業(yè)過程本質(zhì)上是結(jié)構(gòu)復(fù)雜的多變量系統(tǒng).有色噪聲的干擾,使得多變量系統(tǒng)的辨識(shí)變得更加困難.極大似然辨識(shí)是基于概率統(tǒng)計(jì)的估計(jì)方法,其參數(shù)估計(jì)值具有良好的統(tǒng)計(jì)特性,在多變量系統(tǒng)辨識(shí)中得到應(yīng)用.本課題應(yīng)用極大似然原理來研究有色噪聲干擾下的多變量方程誤差系統(tǒng)的辨識(shí)問題.論文主要成果如下.（1）針對(duì)交互干擾的線性多變量方程誤差系統(tǒng),將多變量系統(tǒng)分解成多個(gè)維數(shù)低、變量少的子系統(tǒng),對(duì)子系統(tǒng)模型應(yīng)用極大似然原理,推導(dǎo)了基于分解的極大似然遞推辨識(shí)算法.借助于多新息辨識(shí)理論,推導(dǎo)了參數(shù)估計(jì)精度高的基于分解的極大似然多新息增廣隨機(jī)梯度算法.（2）針對(duì)噪聲模型是滑動(dòng)平均過程的線性多變量方程誤差系統(tǒng),利用耦合辨識(shí)概念,避免了Kronecker積運(yùn)算造成的冗余參數(shù)問題,協(xié)調(diào)了子系統(tǒng)間部分參數(shù)向量的耦合關(guān)系,推導(dǎo)了子系統(tǒng)辨識(shí)模型耦合極大似然遞推辨識(shí)算法,提高了算法的參數(shù)估計(jì)精度.并進(jìn)一步將提出的算法推廣到有色噪聲模型是標(biāo)量多項(xiàng)式的輸入非線性方程誤差多變量系統(tǒng).（3）針對(duì)噪聲模型是自回歸滑動(dòng)平均過程的線性多變量方程誤差系統(tǒng),引入一個(gè)線性濾波器,在不改變系統(tǒng)輸入輸出關(guān)系的基礎(chǔ)上,對(duì)觀測數(shù)據(jù)進(jìn)行濾波... 

【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)】：121 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 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
第二章 多變量方程誤差滑動(dòng)平均系統(tǒng)的分解辨識(shí)
    2.1 引言
    2.2 基于分解的極大似然遞推增廣最小二乘算法
    2.3 基于分解的極大似然遞推增廣隨機(jī)梯度算法
    2.4 基于分解的極大似然多新息增廣隨機(jī)梯度算法
    2.5 本章小結(jié)
第三章 多變量方程誤差滑動(dòng)平均系統(tǒng)的耦合辨識(shí)
    3.1 引言
    3.2 耦合極大似然遞推增廣最小二乘算法
    3.3 耦合極大似然遞推增廣隨機(jī)梯度算法
    3.4 耦合極大似然多新息增廣隨機(jī)梯度算法
    3.5 本章小結(jié)
第四章 多變量方程誤差自回歸滑動(dòng)平均系統(tǒng)的濾波辨識(shí)
    4.1 引言
    4.2 基于濾波的極大似然遞推增廣最小二乘算法
    4.3 基于濾波的極大似然遞推增廣隨機(jī)梯度算法
    4.4 基于濾波的極大似然多新息增廣隨機(jī)梯度算法
    4.5 本章小結(jié)
第五章 輸入非線性多變量方程誤差滑動(dòng)平均系統(tǒng)的關(guān)鍵項(xiàng)分離辨識(shí)
    5.1 引言
    5.2 基于關(guān)鍵項(xiàng)分離的極大似然遞推增廣最小二乘算法
    5.3 基于關(guān)鍵項(xiàng)分離的極大似然遞推增廣隨機(jī)梯度算法
    5.4 基于關(guān)鍵項(xiàng)分離的極大似然多新息增廣隨機(jī)梯度算法
    5.5 本章小結(jié)
第六章 結(jié)論與展望
致謝
參考文獻(xiàn)
附錄 :攻讀博士學(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(shí)（14）:頻率響應(yīng)迭代參數(shù)估計(jì)（串聯(lián)情形）[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). 2020(03)
[2]傳遞函數(shù)辨識(shí)（13）:頻率響應(yīng)迭代參數(shù)估計(jì)（并聯(lián)情形）[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). 2020(02)
[3]傳遞函數(shù)辨識(shí)（12）：頻率響應(yīng)遞推參數(shù)估計(jì)（串聯(lián)情形）[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). 2020(01)
[4]傳遞函數(shù)辨識(shí)（10）:基于頻率響應(yīng)的迭代參數(shù)估計(jì)方法[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). 2019(05)
[5]傳遞函數(shù)辨識(shí)（9）:基于頻率響應(yīng)的遞推參數(shù)估計(jì)方法[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). 2019(04)
[6]基于移動(dòng)數(shù)據(jù)窗的傳遞函數(shù)多新息隨機(jī)梯度辨識(shí)方法[J]. 徐玲.  控制與決策. 2017(06)
[7]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)
[8]基于遞推最小二乘法的永磁伺服系統(tǒng)參數(shù)辨識(shí)[J]. 荀倩,王培良,李祖欣,蔡志端,秦海鴻.  電工技術(shù)學(xué)報(bào). 2016(17)
[9]系統(tǒng)辨識(shí)算法的復(fù)雜性、收斂性及計(jì)算效率研究[J]. 丁鋒.  控制與決策. 2016(10)
[10]多變量系統(tǒng)的耦合梯度辨識(shí)算法與性能分析[J]. 劉艷君,丁鋒.  控制與決策. 2016(08)

博士論文
[1]輸入非線性系統(tǒng)的多新息辨識(shí)方法[D]. 毛亞文.江南大學(xué) 2019
[2]耦合參數(shù)辨識(shí)方法及其在PMSM中應(yīng)用研究[D]. 時(shí)振偉.江南大學(xué) 2018
[3]輸入非線性輸出誤差系統(tǒng)的參數(shù)辨識(shí)[D]. 馬君霞.江南大學(xué) 2017
[4]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
[5]具有已知基的輸入非線性方程誤差系統(tǒng)辨識(shí)方法[D]. 陳慧波.江南大學(xué) 2016
[6]極大似然辨識(shí)方法的研究[D]. 李俊紅.江南大學(xué) 2013
[7]多變量系統(tǒng)辨識(shí)方法及性能分析[D]. 劉艷君.江南大學(xué) 2012



本文編號(hào)：3252259