多元系統(tǒng)廣泛存在于實際工業(yè)控制領(lǐng)域,多元方程誤差系統(tǒng)作為多元系統(tǒng)的一類辨識模型,既能夠表示線性多變量系統(tǒng),也能夠表示一類非線性多變量系統(tǒng).數(shù)據(jù)濾波技術(shù),耦合辨識概念和多新息辨識理論是近些年興起的新辨識方法.針對多元方程誤差系統(tǒng),將傳統(tǒng)的遞推辨識方法與這些新技術(shù)新概念相結(jié)合,提出新的辨識算法,對提升算法的估計精度和辨識速度大有裨益.本課題主要研究有色噪聲干擾下的多元方程誤差系統(tǒng)的遞推辨識方法,論文主要成果如下.1針對有色噪聲為滑動平均過程的多元方程誤差系統(tǒng),采用分解技術(shù)將原系統(tǒng)分解為分別包含系統(tǒng)參數(shù)向量和噪聲參數(shù)向量的兩個子辨識模型,提出了基于分解的增廣隨機梯度辨識算法.為提高算法的辨識速度和參數(shù)估計精度,通過引入多新息理論,推導(dǎo)了基于分解的多新息增廣隨機梯度算法.將最小二乘原理與分解技術(shù)相結(jié)合提出了基于分解的遞推增廣最小二乘算法.2針對有色噪聲為自回歸過程的多元方程誤差系統(tǒng),首先給出了遞推廣義最小二乘辨識算法.為了減小參數(shù)估計的冗余計算,運用耦合辨識概念,將子系統(tǒng)的各個參數(shù)估計連接起來,提出了部分耦合遞推廣義最小二乘算法.將隨機梯度辨識方法與耦合識概念聯(lián)合起來提出了部分耦合廣義隨機梯度...

【文章頁數(shù)】：108 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與研究意義
    1.2 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 多元方程誤差滑動平均系統(tǒng)的遞推辨識方法
    2.1 系統(tǒng)描述
    2.2 增廣隨機梯度辨識算法
    2.3 基于分解的增廣隨機梯度辨識算法
    2.4 基于分解的多新息增廣隨機梯度算法
    2.5 基于分解的遞推增廣最小二乘算法
    2.6 數(shù)值仿真
    2.7 本章小結(jié)
第三章 多元方程誤差自回歸系統(tǒng)的遞推辨識方法
    3.1 系統(tǒng)描述
    3.2 遞推廣義最小二乘辨識算法
    3.3 部分耦合遞推廣義最小二乘算法
    3.4 部分耦合廣義隨機梯度辨識算法
    3.5 部分耦合多新息廣義隨機梯度算法
    3.6 數(shù)值仿真
    3.7 本章小結(jié)
第四章 多元方程誤差滑動平均自回歸系統(tǒng)的遞推辨識方法
    4.1 系統(tǒng)描述
    4.2 廣義增廣隨機梯度辨識算法
    4.3 基于濾波的廣義增廣隨機梯度辨識算法
    4.4 基于濾波的多新息廣義增廣隨機梯度算法
    4.5 基于濾波的遞推廣義增廣最小二乘算法
    4.6 數(shù)值仿真
    4.7 本章小結(jié)
第五章 結(jié)論與展望
致謝
參考文獻
附錄:攻讀博士學(xué)位期間發(fā)表的論文



本文編號：3755750