【摘要】：隨著工業(yè)化的發(fā)展,系統(tǒng)的復(fù)雜程度不斷加深,系統(tǒng)數(shù)學(xué)模型的也更加復(fù)雜,因而辨識過程中的計算量越來越大.針對這個問題,本文以國家自然科學(xué)基金項目為背景,基于遞推最小二乘算法,結(jié)合分解的技術(shù),利用輔助模型思想和多新息辨識理論,對輸出誤差類系統(tǒng)進行了算法推導(dǎo)和仿真研究,并取得了如下成果： 1.針對輸出誤差系統(tǒng),首先利用分解的技術(shù),將系統(tǒng)分解成兩個子系統(tǒng).根據(jù)輔助模型的思想,對每個子系統(tǒng)的參數(shù)進行遞推運算,推導(dǎo)了針對輸出誤差系統(tǒng)的兩階段遞推最小二乘算法,并與輔助模型遞推最小二乘算法進行比較.結(jié)果表明兩階段遞推最小二乘算法能夠得到較好的參數(shù)估計精度并且具有更小的計算量. 2.在兩階段遞推最小二乘算法的基礎(chǔ)上,利用輔助模型的輸出代替每個子系統(tǒng)信息向量中的未知中間變量,用估計殘差代替信息向量中的未知噪聲項,推導(dǎo)出針對輸出誤差滑動平均系統(tǒng)的兩階段遞推增廣最小二乘算法和針對輸出誤差自回歸系統(tǒng)的兩階段遞推廣義最小二乘算法.通過計算量的比較得出所提出算法具有更小計算負擔(dān)的結(jié)論. 3.針對輸出誤差滑動平均自回歸系統(tǒng)(Box-Jenkins系統(tǒng)),結(jié)合上述兩階段遞推最小二乘算法和廣義增廣的方法,推導(dǎo)出相應(yīng)的兩階段遞推廣義增廣最小二乘算法.將兩階段算法與多新息辨識理論相結(jié)合,推導(dǎo)了兩階段多新息廣義增廣隨機梯度算法.最后通過仿真例子驗證了算法的有效性. 綜上所述,論文推導(dǎo)和研究輸出誤差類系統(tǒng)的幾種參數(shù)估計算法,并通過Matlab仿真驗證了算法的有效性和收斂速度.論文最后給出了結(jié)論與展望,對本課題研究中所面臨的一些困難和一些有待解決的問題做了簡單的介紹,如算法拓展以及實際應(yīng)用等問題.
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：N945.14

【參考文獻】

相關(guān)期刊論文 前10條

1 徐祖華;趙均;錢積新;;基于漸近理論的兩階段過程辨識方法[J];化工學(xué)報;2008年04期

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

3 岳娜;朱志芳;周毅;丁鋒;;基于RLS的自回歸滑動平均模型的兩階段辨識方法[J];科學(xué)技術(shù)與工程;2009年07期

4 丁鋒;多變量系統(tǒng)的輔助模型辨識方法的收斂性分析[J];控制理論與應(yīng)用;1997年02期

5 王冬青;;基于輔助模型的遞推增廣最小二乘辨識方法[J];控制理論與應(yīng)用;2009年01期

6 丁鋒,蕭德云;多變量系統(tǒng)狀態(tài)空間模型的遞階辨識[J];控制與決策;2005年08期

7 王冬青;丁鋒;;基于輔助模型的多新息廣義增廣隨機梯度算法[J];控制與決策;2008年09期

8 張勇;楊慧中;;有色噪聲干擾輸出誤差系統(tǒng)的偏差補償遞推最小二乘辨識方法[J];自動化學(xué)報;2007年10期

9 李妍;毛志忠;王琰;袁平;賈明興;;基于偏差補償遞推最小二乘的Hammerstein-Wiener模型辨識[J];自動化學(xué)報;2010年01期

10 丁鋒;;系統(tǒng)辨識(1):辨識導(dǎo)引[J];南京信息工程大學(xué)學(xué)報(自然科學(xué)版);2011年01期

相關(guān)碩士學(xué)位論文 前2條

1 岳娜;基于數(shù)據(jù)濾波的兩階段辨識方法[D];江南大學(xué);2010年

2 王金海;CARMA模型與輸出誤差模型迭代辨識[D];江南大學(xué);2008年

本文編號：2780466