在工業(yè)控制、航空航天、天文學(xué)、海洋等眾多領(lǐng)域中,研究的對(duì)象一般比較復(fù)雜,例如單輸入多輸出系統(tǒng),通常很難應(yīng)用已有的理論直接獲得相應(yīng)的數(shù)學(xué)模型,只有利用觀測(cè)數(shù)據(jù)來確定研究對(duì)象的數(shù)學(xué)模型及其參數(shù)。本文以國家自然科學(xué)基金項(xiàng)目為背景,提出了輸出誤差類單輸入多輸出系統(tǒng)的遞階辨識(shí)課題。本文基于遞階辨識(shí)原理,輔助模型辨識(shí)思想,最小二乘辨識(shí)原理和隨機(jī)梯度辨識(shí)原理研究了單輸入多輸出系統(tǒng)的辨識(shí)問題,論文的主要工作有如下幾個(gè)方面：1.論文首先由多輸入多輸出系統(tǒng)狀態(tài)空間描述模型引出單輸入多輸出系統(tǒng)狀態(tài)空間描述模型,并由狀態(tài)空間描述的多輸入多輸出系統(tǒng)轉(zhuǎn)變成傳遞函數(shù)描述的輸出誤差多輸入多輸出系統(tǒng)模型。進(jìn)一步得到了單輸入多輸出白噪聲干擾下的輸出誤差系統(tǒng)模型。為本文接下來進(jìn)一步的研究奠定了理論基礎(chǔ)。2.針對(duì)白噪聲干擾的單輸入多輸出輸出誤差模型,提出了其相應(yīng)的基于輔助模型的遞階最小二乘算法和基于輔助模型的遞階隨機(jī)梯度算法。其基本思想是：首先根據(jù)遞階辨識(shí)原理,將待辨識(shí)的模型分解為兩個(gè)虛擬子系統(tǒng),一個(gè)包含參數(shù)向量,另一個(gè)包含參數(shù)矩陣。然后根據(jù)最小二乘原理和隨機(jī)梯度辨識(shí)原理辨識(shí)虛擬子系統(tǒng),針對(duì)信息矩陣中含有的不可測(cè)噪聲項(xiàng)用其估... 

【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)】：66 頁

【學(xué)位級(jí)別】：碩士

【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 系統(tǒng)辨識(shí)的研究綜述
    1.3 辨識(shí)原理
    1.4 本文主要研究?jī)?nèi)容
第二章 輸出誤差模型單輸入多輸出系統(tǒng)的辨識(shí)
    2.1 系統(tǒng)描述與傳遞函數(shù)模型的推導(dǎo)
        2.1.1 多輸入多輸出系統(tǒng)描述與傳遞函數(shù)模型的推導(dǎo)
        2.1.2 單輸入多輸出系統(tǒng)描述與傳遞函數(shù)模型的推導(dǎo)
    2.2 輸出誤差模型遞階最小二乘辨識(shí)算法
        2.2.1 遞階最小二乘辨識(shí)算法
        2.2.2 仿真例子
    2.3 輸出誤差模型的遞階隨機(jī)梯度算法
        2.3.1 遞階隨機(jī)梯度辨識(shí)算法
        2.3.2 仿真例子
    2.4 小結(jié)
第三章 滑動(dòng)平均噪聲干擾下的輸出誤差模型單輸入多輸出系統(tǒng)的辨識(shí)
    3.1 模型介紹
    3.2 OEMA模型遞階增廣最小二乘算法
        3.2.1 遞階增廣最小二乘算法
        3.2.2 仿真例子
    3.3 OEMA模型遞階增廣最小二乘算法
        3.3.1 遞階增廣隨機(jī)梯度算法
        3.3.2 仿真例子
    3.4 小結(jié)
第四章 自回歸滑動(dòng)平均噪聲干擾的輸出誤差模型單輸入多輸出系統(tǒng)的辨識(shí)
    4.1 模型描述
    4.2 Box-Jenkins模型的遞階廣義增廣最小二乘算法
        4.2.1 遞階廣義增廣最小二乘算法
        4.2.2 仿真例子
    4.3 Box-Jenkins模型的遞階廣義增廣隨機(jī)梯度算法
        4.3.1 遞階廣義增廣隨機(jī)梯度算法
        4.3.2 仿真例子
    4.4 Box-Jenkins模型的多輸入多輸出系統(tǒng)辨識(shí)
    4.5 小結(jié)
第五章 結(jié)論與展望
致謝
參考文獻(xiàn)
附錄:攻讀碩士期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]系統(tǒng)辨識(shí)(1):辨識(shí)導(dǎo)引[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(01)
[2]基于輸出估計(jì)的多輸入系統(tǒng)隨機(jī)梯度估計(jì)算法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(06)
[3]一類有色噪聲干擾系統(tǒng)的有辨識(shí)研究[J]. 崔桂梅,關(guān)英輝,張勇.  科學(xué)技術(shù)與工程. 2010(18)
[4]非持續(xù)激勵(lì)條件下系統(tǒng)辨識(shí)遞推最小二乘最小范數(shù)算法[J]. 李銀國,湯卓群,黃鐳.  控制理論與應(yīng)用. 2009(04)
[5]SIMO系統(tǒng)輔助變量最小二乘盲辨識(shí)方法[J]. 陳慧波,丁鋒.  系統(tǒng)工程與電子技術(shù). 2009(04)
[6]基于輔助模型的量化控制系統(tǒng)辨識(shí)方法[J]. 謝林柏,丁鋒,王艷.  控制理論與應(yīng)用. 2009(03)
[7]基于輔助模型的遞推增廣最小二乘辨識(shí)方法[J]. 王冬青.  控制理論與應(yīng)用. 2009(01)
[8]基于模糊ARMAX模型的模糊建模[J]. 王宏偉,于雙和.  控制理論與應(yīng)用. 2009(01)
[9]Box-Jenkins法參數(shù)辨識(shí)與仿真研究[J]. 宮喚春,吳義虎.  科技創(chuàng)新導(dǎo)報(bào). 2008(30)
[10]基于輔助模型的多新息廣義增廣隨機(jī)梯度算法[J]. 王冬青,丁鋒.  控制與決策. 2008(09)

碩士論文
[1]CARMA模型與輸出誤差模型迭代辨識(shí)[D]. 王金海.江南大學(xué) 2008



本文編號(hào)：2927123