最小二乘辨識(shí)方法是系統(tǒng)辨識(shí)中一種基礎(chǔ)且經(jīng)典的辨識(shí)方法。在隨機(jī)系統(tǒng)模型中,利用最小二乘法得到的估計(jì)結(jié)果具有很好的統(tǒng)計(jì)特性。輸出誤差類模型是一種常見的隨機(jī)系統(tǒng)模型,包括輸出誤差模型、輸出誤差滑動(dòng)平均模型、輸出誤差自回歸模型和輸出誤差自回歸滑動(dòng)平均模型。輸出誤差類模型的結(jié)構(gòu)較為復(fù)雜,并且辨識(shí)所需要的信息向量中含有不可測變量。因此,傳統(tǒng)的最小二乘辨識(shí)方法不能直接用于輸出誤差類模型。一般利用輔助模型辨識(shí)方法解決這個(gè)問題,但是這種改進(jìn)后的算法的收斂速度和辨識(shí)精度仍相對(duì)較差。為了解決此問題,本課題在多新息辨識(shí)和輔助模型辨識(shí)的基礎(chǔ)上,引入加權(quán)矩陣,通過選擇合適的參數(shù)值達(dá)到改進(jìn)辨識(shí)特性的目的。針對(duì)輸出誤差模型受白噪聲干擾的情況,將傳統(tǒng)遞推最小二乘辨識(shí)算法和輔助模型辨識(shí)方法相結(jié)合,推導(dǎo)得到基于輔助模型的遞推最小二乘辨識(shí)算法。在該算法的基礎(chǔ)上,利用多新息辨識(shí)方法,構(gòu)造多新息向量,得到基于輔助模型的多新息最小二乘辨識(shí)算法。該算法與基于輔助模型的遞推最小二乘辨識(shí)算法相比,提高了數(shù)據(jù)的利用率,使該算法具有更高的辨識(shí)精度。針對(duì)基于輔助模型的多新息最小二乘辨識(shí)算法,引入加權(quán)矩陣,重新定義多新息辨識(shí)的誤差準(zhǔn)則函數(shù)。對(duì)誤差準(zhǔn)則函數(shù)作極小化處理,提出基于輔助模型的加權(quán)多新息最小二乘辨識(shí)算法。驗(yàn)證基于輔助模型的加權(quán)多新息最小二乘辨識(shí)算法具有可提高收斂速度和辨識(shí)精度的特性。針對(duì)輸入數(shù)據(jù)受有色噪聲干擾的情況,建立有色噪聲項(xiàng)的輔助模型,利用噪聲的估計(jì)值替代不可測的噪聲,結(jié)合多新息辨識(shí)和加權(quán)矩陣思想,分別對(duì)輸出誤差類的其他三種模型,提出相應(yīng)的基于輔助模型的加權(quán)多新息辨識(shí)算法。三種算法的仿真結(jié)果表明了本課題提出的基于輔助模型的加權(quán)多新息辨識(shí)算法的優(yōu)越性和有效性。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：N945.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高東明;;借助輔助模型 巧解物理試題[J];高中數(shù)理化;2009年07期

2 曹鵬飛;羅雄麟;;雙率系統(tǒng)輔助模型框架下的隨機(jī)牛頓遞推辨識(shí)[J];控制與決策;2015年01期

3 吳曉娥;;計(jì)算機(jī)輔助模型在建筑設(shè)計(jì)中的協(xié)同與應(yīng)用[J];河南建材;2011年04期

4 謝林柏;丁鋒;王艷;;基于輔助模型的量化控制系統(tǒng)辨識(shí)方法[J];控制理論與應(yīng)用;2009年03期

5 汪淼;潘郁;;基于突發(fā)事件的應(yīng)急管理研究[J];商場現(xiàn)代化;2008年04期

6 焦薇;胡曉燕;吳曉玲;;多媒體輔助模型練習(xí)在婦產(chǎn)科見習(xí)教學(xué)中的應(yīng)用[J];貴陽醫(yī)學(xué)院學(xué)報(bào);2011年01期

7 楊宏;李亞安;李國輝;;基于輔助模型粒子濾波的混沌信號(hào)降噪方法[J];兵工學(xué)報(bào);2015年12期

8 祁明亮;池宏;趙紅;孫穎;;突發(fā)公共事件應(yīng)急管理研究現(xiàn)狀與展望[J];管理評(píng)論;2006年04期

9 丁鋒,謝新民;多變量系統(tǒng)的輔助模型辨識(shí)算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1992年04期

10 劉志浩;;證券中長期投資決策輔助模型的建立與驗(yàn)證[J];時(shí)代金融;2012年18期

相關(guān)博士學(xué)位論文 前4條

1 李向麗;多采樣率非線性系統(tǒng)估計(jì)方法的研究[D];江南大學(xué);2014年

2 王珠;若干類多變量線性系統(tǒng)模型辨識(shí)方法研究[D];北京化工大學(xué);2016年

3 韓麗麗;多率多輸入系統(tǒng)的辨識(shí)[D];江南大學(xué);2010年

4 陳晶;一類非線性系統(tǒng)的參數(shù)辨識(shí)方法研究[D];江南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 趙振華;基于輔助模型的加權(quán)多新息最小二乘辨識(shí)[D];哈爾濱工業(yè)大學(xué);2018年

2 曹姣;閉環(huán)系統(tǒng)辨識(shí)及其在傾轉(zhuǎn)旋翼機(jī)模型中的應(yīng)用[D];南昌航空大學(xué);2014年

3 曾洪梅;產(chǎn)品概念設(shè)計(jì)可視化輔助模型[D];西安電子科技大學(xué);2004年

4 陳柏俠;有限區(qū)間時(shí)變系統(tǒng)最小二乘學(xué)習(xí)辨識(shí)[D];浙江工業(yè)大學(xué);2012年

5 張濤;基于信號(hào)量化的系統(tǒng)參數(shù)辨識(shí)方法研究[D];江南大學(xué);2009年

6 趙欽;面向知識(shí)管理的機(jī)—人知識(shí)輔助系統(tǒng)研究[D];北京交通大學(xué);2008年

7 任佳;航空發(fā)動(dòng)機(jī)燃油機(jī)構(gòu)的閉環(huán)系統(tǒng)辨識(shí)與故障診斷算法研究[D];東北大學(xué);2014年

8 周燕珍;期權(quán)定價(jià)的輔助模型逼近方法[D];華南理工大學(xué);2013年

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

10 劉艷君;一類非均勻采樣數(shù)據(jù)系統(tǒng)的遞推最小二乘類辨識(shí)[D];江南大學(xué);2009年

本文編號(hào)：2820786