隨著現(xiàn)代工業(yè)的發(fā)展,多率系統(tǒng)在自動(dòng)化領(lǐng)域得到廣泛應(yīng)用。在實(shí)際工業(yè)應(yīng)用領(lǐng)域,傳統(tǒng)的單率采樣控制系統(tǒng)無(wú)法滿(mǎn)足現(xiàn)代工業(yè)的生產(chǎn)需要,這就要求控制系統(tǒng)內(nèi)各個(gè)采樣器和保持器以不同的采樣周期進(jìn)行采樣或保持,這樣,在同一個(gè)控制系統(tǒng)中就出現(xiàn)了多組不同操作頻率,對(duì)應(yīng)的系統(tǒng)稱(chēng)為多率系統(tǒng)。研究這類(lèi)多率系統(tǒng)的辨識(shí)問(wèn)題具有重要的理論意義和實(shí)用價(jià)值。論文以國(guó)家自然科學(xué)基金項(xiàng)目為背景,研究有兩個(gè)輸入通道的多率系統(tǒng)的梯度型辨識(shí)方法。在查閱了相關(guān)多率辨識(shí)文獻(xiàn)的基礎(chǔ)上,作者深入研究了雙輸入多率系統(tǒng)的梯度型辨識(shí)問(wèn)題,并對(duì)提出的部分參數(shù)辨識(shí)方法的收斂性進(jìn)行了理論分析,取得了下列研究成果。1.論文針對(duì)兩個(gè)輸入通道采樣頻率不相等的多率系統(tǒng),推導(dǎo)出雙輸入多率系統(tǒng)的離散時(shí)間狀態(tài)空間模型,進(jìn)一步得出對(duì)應(yīng)的離散系統(tǒng)傳遞函數(shù)模型,考慮不同的隨機(jī)噪聲干擾,得到雙輸入多率隨機(jī)系統(tǒng)模型。2.研究了雙輸入多率系統(tǒng)受控自回歸模型的參數(shù)辨識(shí)問(wèn)題,給出了雙輸入多率系統(tǒng)隨機(jī)梯度辨識(shí)算法。由于隨機(jī)梯度算法的收斂速度比較慢,為了提高算法的收斂速度和改善參數(shù)估計(jì)精度,在算法中引入遺忘因子,得到了帶遺忘因子隨機(jī)梯度辨識(shí)算法,簡(jiǎn)稱(chēng)遺忘梯度辨識(shí)算法。在持續(xù)激勵(lì)條件下,... 

【文章來(lái)源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 概論
    1.1 問(wèn)題提出與研究意義
    1.2 系統(tǒng)辨識(shí)方法綜述
    1.3 多率系統(tǒng)辨識(shí)方法綜述
    1.4 本文主要研究?jī)?nèi)容
第二章 雙輸入多率隨機(jī)系統(tǒng)模型
    2.1 引言
    2.2 單率系統(tǒng)基本模型
        2.2.1 連續(xù)時(shí)間狀態(tài)空間模型離散化
        2.2.2 單率隨機(jī)系統(tǒng)模型
    2.3 雙輸入多率隨機(jī)系統(tǒng)基本模型
        2.3.1 雙輸入多率離散系統(tǒng)傳遞函數(shù)模型
        2.3.2 雙輸入多率隨機(jī)系統(tǒng)基本模型
    2.4 小結(jié)
第三章 雙輸入多率CAR模型的隨機(jī)梯度辨識(shí)方法
    3.1 引言
    3.2 算法推導(dǎo)
    3.3 收斂性證明
    3.4 仿真例子
    3.5 小結(jié)
第四章 雙輸入多率方程誤差類(lèi)模型的梯度辨識(shí)方法
    4.1 引言
    4.2 雙輸入多率CARMA模型的增廣隨機(jī)梯度辨識(shí)算法
        4.2.1 算法推導(dǎo)
        4.2.2 仿真例子
    4.3 雙輸入多率動(dòng)態(tài)調(diào)節(jié)系統(tǒng)的廣義隨機(jī)梯度辨識(shí)算法
        4.3.1 算法推導(dǎo)
        4.3.2 仿真例子
    4.4 小結(jié)
第五章 雙輸入多率系統(tǒng)輸出誤差類(lèi)模型的梯度辨識(shí)方法
    5.1 引言
    5.2 雙輸入多率OE模型的輔助模型隨機(jī)梯度辨識(shí)算法
        5.2.1 算法推導(dǎo)
        5.2.2 收斂性證明
        5.2.3 仿真例子
    5.3 雙輸入多率OEMA模型的輔助模型增廣隨機(jī)梯度辨識(shí)算法
        5.3.1 算法推導(dǎo)
        5.3.2 仿真例子
    5.4 雙輸入多率OEARMA模型的輔助模型廣義增廣隨機(jī)梯度辨識(shí)算法
        5.4.1 算法推導(dǎo)
        5.4.2 仿真例子
    5.5 小結(jié)
第六章 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]兩輸入多率采樣系統(tǒng)隨機(jī)梯度辨識(shí)算法[J]. 張彩霞,陸靜,丁鋒.  科學(xué)技術(shù)與工程. 2008(16)
[2]一類(lèi)非均勻采樣系統(tǒng)最小二乘迭代辨識(shí)[J]. 蔣紅霞,王金海,丁鋒.  系統(tǒng)工程與電子技術(shù). 2008(08)
[3]非均勻采樣數(shù)據(jù)系統(tǒng)的一種辨識(shí)方法[J]. 謝莉,丁鋒.  控制工程. 2008(04)
[4]Modeling and Identification of Multirate Systems[J]. Feng DING Tongwen CHEN (Department of Electrical and Computer Engineering University of Alberta, Edmonton, Alberta, T6G 2V4 Canada).  自動(dòng)化學(xué)報(bào). 2005(01)
[5]非均勻周期采樣多率系統(tǒng)的一種辨識(shí)方法[J]. 丁鋒,陳通文,蕭德云.  電子學(xué)報(bào). 2004(09)
[6]多新息隨機(jī)梯度辨識(shí)方法[J]. 丁鋒,蕭德云,丁韜.  控制理論與應(yīng)用. 2003(06)
[7]時(shí)變參數(shù)遺忘梯度估計(jì)算法的收斂性[J]. 丁鋒,丁韜,楊家本,徐用懋.  自動(dòng)化學(xué)報(bào). 2002(06)
[8]隨機(jī)梯度算法的收斂性分析[J]. 丁鋒,楊家本.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 1999(01)
[9]多變量系統(tǒng)的輔助模型辨識(shí)方法的收斂性分析[J]. 丁鋒.  控制理論與應(yīng)用. 1997(02)
[10]系統(tǒng)參數(shù)和狀態(tài)聯(lián)合估計(jì)[J]. 丁鋒,謝新民.  控制與決策. 1994(03)



本文編號(hào)：3106026