隨著工業(yè)化的發(fā)展,系統(tǒng)模型越來越復(fù)雜,系統(tǒng)辨識(shí)的計(jì)算量也越來越大。在系統(tǒng)辨識(shí)領(lǐng)域,當(dāng)辨識(shí)參數(shù)向量維數(shù)較大時(shí),遞推最小二乘辨識(shí)算法的計(jì)算量會(huì)很大。針對(duì)這個(gè)問題,本文基于遞推最小二乘算法、遞階辨識(shí)原理和多新息辨識(shí)理論,對(duì)方程誤差類模型進(jìn)行了算法推導(dǎo)和仿真研究,所推導(dǎo)出的算法具有理論意義與實(shí)際應(yīng)用前景。取得了如下成果:1.針對(duì)方程誤差滑動(dòng)平均模型,依據(jù)遞階辨識(shí)原理,將模型分解為兩個(gè)子模型,再分別用遞推最小二乘法辨識(shí)這兩個(gè)子模型,信息向量中含有的不可測(cè)噪聲項(xiàng)用其估計(jì)值替換,推導(dǎo)出方程誤差滑動(dòng)平均模型的兩階段遞推增廣最小二乘算法。與方程誤差滑動(dòng)平均模型遞推增廣最小二乘算法比較,具有較小的計(jì)算量。2.針對(duì)方程誤差自回歸模型,推導(dǎo)出了方程誤差自回歸模型的三階段遞推廣義最小二乘算法,仿真例子表明三階段階段遞推廣義最小二乘算法具有較小的計(jì)算量,特別是當(dāng)系統(tǒng)模型維數(shù)較大時(shí),效果更加明顯。3.針對(duì)方程誤差自回歸滑動(dòng)平均模型,首先結(jié)合兩階段遞推辨識(shí)的思想,推導(dǎo)出兩階段遞推廣義增廣最小二乘算法,再結(jié)合數(shù)字濾波思想將模型分成兩個(gè)子模型,分別用多新息隨機(jī)梯度算法辨識(shí),推導(dǎo)出方程誤差自回歸滑動(dòng)平均模型的基于濾波的兩階... 

【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)】：61 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 國(guó)內(nèi)外研究現(xiàn)狀綜述
        1.2.1 幾類辨識(shí)方法綜述
        1.2.2 方程誤差類模型簡(jiǎn)介
    1.3 本文主要研究?jī)?nèi)容簡(jiǎn)介
第二章 方程誤差滑動(dòng)平均模型
    2.1 兩階段遞推增廣最小二乘算法
    2.2 遞推增廣最小二乘算法
    2.3 算法計(jì)算量分析
    2.4 仿真例子
    2.5 小結(jié)
第三章 方程誤差自回歸模型
    3.1 三階段遞推廣義最小二乘算法
    3.2 遞推廣義最小二乘算法
    3.3 算法計(jì)算量分析
    3.4 仿真例子
    3.5 小結(jié)
第四章 方程誤差自回歸滑動(dòng)平均模型
    4.1 兩階段遞推廣義增廣最小二乘算法
    4.2 基于濾波的兩階段多新息隨機(jī)梯度算法
    4.3 算法計(jì)算量分析
    4.4 仿真例子
    4.5 小結(jié)
結(jié)論與展望
致謝
參考文獻(xiàn)
附錄：作者在攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于蟻群粒子群優(yōu)化的卡爾曼濾波算法模型參數(shù)辨識(shí)[J]. 張旭輝,林海軍,劉明珠,高豹江.  電力系統(tǒng)自動(dòng)化. 2014(04)
[2]遺傳算法理論與應(yīng)用新探[J]. 趙越,茹婷婷.  輕工科技. 2014(01)
[3]基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺(tái)系統(tǒng)辨識(shí)[J]. 楊維新,唐伶俐,汪超亮,李子揚(yáng).  儀器儀表學(xué)報(bào). 2013(03)
[4]辨識(shí)方法的計(jì)算效率(1):遞推算法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(04)
[5]系統(tǒng)辨識(shí)(7):遞階辨識(shí)原理與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)
[6]遺傳算法研究進(jìn)展[J]. 馬永杰,云文霞.  計(jì)算機(jī)應(yīng)用研究. 2012(04)
[7]一種新的非線性離散時(shí)間系統(tǒng)的模糊辨識(shí)方法[J]. 包雪琴,師五喜.  計(jì)算機(jī)工程與應(yīng)用. 2011(30)
[8]系統(tǒng)辨識(shí)(4):輔助模型辨識(shí)思想與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(04)
[9]系統(tǒng)辨識(shí)(3):辨識(shí)精度與辨識(shí)基本問題[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(03)
[10]人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)綜述[J]. 茹菲,李鐵鷹.  軟件導(dǎo)刊. 2011(03)



本文編號(hào)：2934535