系統辨識和模型參數估計是研究基于模型的控制問題的基礎.隨著控制系統升級和改造,系統數學模型建立更加復雜,因而辨識過程中的計算量也越來越大.為解決線性參數系統被有色噪聲干擾的辨識難點,和減小辨識算法計算量.論文選題“基于濾波的線性參數系統辨識方法”,具有一定的理論意義和學術價值.論文針對該課題展開探討,主要工作如下.1.論文借助于數據濾波技術,將自回歸滑動平均噪聲干擾的線性參數系統轉化為白噪聲干擾的系統.針對信息向量中含有未知的中間變量或者噪聲項,采用輔助模型辨識思想,估算這些未知項,研究基于濾波的輔助模型隨機梯度算法、基于濾波的輔助模型遞推最小二乘算法.為提高隨機梯度辨識算法收斂速度和精度,借助于多新息辨識理論,通過擴展辨識新息,研究基于濾波的輔助模型多新息隨機梯度算法.采用迭代算辨識法,探討基于濾波的輔助模型梯度迭代算法和基于濾波的輔助模型最小二乘迭代算法.2.利用遞階辨識原理,將線性參數系統的辨識模型分解成幾個辨識子系統,采用交互估計算法,研究基于濾波的分解多新息隨機梯度辨識算法、基于濾波的分解最小二乘辨識算法、基于濾波的分解梯度迭代算法和基于濾波的分解最小二乘迭代辨識算法,并比較... 

【文章來源】：江南大學江蘇省 211工程院校 教育部直屬院校

【文章頁數】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問題的提出與研究意義
    1.2 領域國內外研究現狀
    1.3 論文主要參數估計方法
    1.4 論文主要研究內容簡介
第二章 基于濾波的輔助模型辨識方法
    2.1 系統描述與濾波辨識模型
    2.2 基于濾波的輔助模型隨機梯度算法
    2.3 基于濾波的輔助模型多新息隨機梯度算法
    2.4 基于濾波的輔助模型梯度迭代算法
    2.5 基于濾波的輔助模型遞推最小二乘算法
    2.6 基于濾波的輔助模型最小二乘迭代算法
    2.7 小結
第三章 基于濾波的分解辨識方法
    3.1 系統描述與基于濾波的分解辨識模型
    3.2 基于濾波的分解隨機梯度算法
    3.3 基于濾波的分解多新息隨機梯度算法
    3.4 基于濾波的分解梯度迭代算法
    3.5 基于濾波的分解遞推最小二乘算法
    3.6 基于濾波的分解最小二乘迭代算法
    3.7 小結
主要結論與展望
致謝
參考文獻
附錄: 攻讀碩士期間發(fā)表的論文


【參考文獻】：
期刊論文
[1]輔助模型辨識方法（2）:輸入非線性輸出誤差系統[J]. 丁鋒,陳慧波.  南京信息工程大學學報(自然科學版). 2016(02)
[2]輔助模型辨識方法（1）:自回歸輸出誤差系統[J]. 丁鋒.  南京信息工程大學學報(自然科學版). 2016(01)
[3]輸出誤差系統的多新息辨識方法[J]. 丁鋒.  南京信息工程大學學報(自然科學版). 2015(06)
[4]方程誤差系統的多新息辨識方法[J]. 丁鋒.  南京信息工程大學學報(自然科學版). 2015(05)
[5]線性參數系統的多新息辨識方法[J]. 丁鋒,郭蘭杰.  南京信息工程大學學報(自然科學版). 2015(04)
[6]輸出非線性方程誤差類系統遞推最小二乘辨識方法[J]. 丁鋒,陳啟佳.  南京信息工程大學學報(自然科學版). 2015(03)
[7]輸入非線性方程誤差系統的多新息辨識方法[J]. 丁鋒,陳慧波.  南京信息工程大學學報(自然科學版). 2015(02)
[8]輸入非線性方程誤差自回歸系統的多新息辨識方法[J]. 丁鋒,毛亞文.  南京信息工程大學學報(自然科學版). 2015(01)
[9]有關非線性系統控制理論發(fā)展的一些注記[J]. 洪奕光.  系統科學與數學. 2014(11)
[10]基于輔助模型和數據濾波的偽線性回歸系統參數估計方法[J]. 丁盛.  計算機應用. 2014(01)

博士論文
[1]列車自動駕駛控制模型參數辨識及其應用[D]. 王呈.北京交通大學 2015



本文編號：3152325