多變量系統(tǒng)在工業(yè)控制及應(yīng)用中廣泛存在,能比單變量系統(tǒng)更加準(zhǔn)確描述對(duì)象的特征.多變量系統(tǒng)結(jié)構(gòu)復(fù)雜,參數(shù)眾多,其辨識(shí)問題是研究熱點(diǎn),具有重要的理論意義和廣泛的應(yīng)用前景.論文研究基于分解的多變量方程誤差系統(tǒng)遞推辨識(shí)算法,主要內(nèi)容如下:1.針對(duì)白噪聲干擾下的多變量方程誤差系統(tǒng),基于最小二乘原理,討論了遞推最小二乘辨識(shí)算法,運(yùn)用遞階辨識(shí)原理,推導(dǎo)了基于分解的遞推最小二乘辨識(shí)算法,對(duì)比兩種算法計(jì)算量可知,基于分解的遞推最小二乘辨識(shí)算法的計(jì)算量要小.2.針對(duì)白噪聲干擾下的多變量方程誤差系統(tǒng),根據(jù)梯度搜索原理,推導(dǎo)了隨機(jī)梯度算法,并引入多新息理論,推導(dǎo)了多新息隨機(jī)梯度算法,改善了辨識(shí)精度.然后分別跟遞階辨識(shí)思想結(jié)合,推導(dǎo)出基于分解的隨機(jī)梯度算法和基于分解的多新息隨機(jī)梯度算法.3.針對(duì)有色噪聲干擾下的多變量方程誤差系統(tǒng),即噪聲項(xiàng)為自回歸滑動(dòng)平均過程的多變量方程誤差自回歸滑動(dòng)平均系統(tǒng),借助遞階辨識(shí)思想,將原辨識(shí)模型分解為系統(tǒng)模型和噪聲模型,推導(dǎo)了基于分解的遞推廣義增廣最小二乘算法,其辨識(shí)精度接近遞推廣義增廣最小二乘算法,但計(jì)算量更小.4.針對(duì)多變量方程誤差自回歸滑動(dòng)平均系統(tǒng),沿著遞階辨識(shí)的思路,提出了基于... 

【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)】：77 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 多變量方程誤差系統(tǒng)辨識(shí)綜述
    1.3 論文的主要研究內(nèi)容簡介
第二章 白噪聲干擾下的多變量方程誤差系統(tǒng)辨識(shí)方法
    2.1 系統(tǒng)描述與辨識(shí)模型
    2.2 遞推最小二乘辨識(shí)算法
    2.3 基于分解的遞推最小二乘算法
    2.4 基于分解的隨機(jī)梯度辨識(shí)算法
    2.5 基于分解的多新息隨機(jī)梯度算法
    2.6 數(shù)值仿真
    2.7 本章小結(jié)
第三章 有色噪聲干擾下的多變量方程誤差系統(tǒng)辨識(shí)方法
    3.1 系統(tǒng)描述與辨識(shí)模型
    3.2 遞推廣義增廣最小二乘辨識(shí)算法
    3.3 基于分解的遞推廣義增廣最小二乘算法
    3.4 基于分解的廣義增廣隨機(jī)梯度辨識(shí)算法
    3.5 基于分解的多新息廣義增廣隨機(jī)梯度算法
    3.6 數(shù)值仿真
    3.7 本章小結(jié)
第四章 主要結(jié)論與展望
    4.1 主要結(jié)論
    4.2 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]傳遞函數(shù)辨識(shí)（9）:基于頻率響應(yīng)的遞推參數(shù)估計(jì)方法[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[2]基于DCS的鍋爐燃燒控制系統(tǒng)設(shè)計(jì)研究[J]. 陶靜.  數(shù)碼世界. 2019(03)
[3]傳遞函數(shù)辨識(shí)（4）:基于脈沖響應(yīng)的遞推參數(shù)估計(jì)方法[J]. 丁鋒,徐玲,劉喜梅.  青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[4]非均勻采樣Hammerstein系統(tǒng)的梯度迭代辨識(shí)算法[J]. 謝莉,楊慧中.  南京理工大學(xué)學(xué)報(bào). 2017(06)
[5]損失數(shù)據(jù)線性參數(shù)系統(tǒng)的遞推最小二乘辨識(shí)方法[J]. 丁鋒,汪菲菲.  控制與決策. 2016(12)
[6]多元系統(tǒng)耦合帶遺忘因子有限數(shù)據(jù)窗遞推最小二乘辨識(shí)方法[J]. 時(shí)振偉,紀(jì)志成,王艷.  控制與決策. 2016(10)
[7]系統(tǒng)辨識(shí)算法的復(fù)雜性、收斂性及計(jì)算效率研究[J]. 丁鋒.  控制與決策. 2016(10)
[8]Stochastic gradient algorithm for a dual-rate Box-Jenkins model based on auxiliary model and FIR model[J]. Jing CHEN,Rui-feng DING.  Journal of Zhejiang University-Science C（Computers & Electronics）. 2014(02)
[9]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)
[10]基于梯度算法的永磁伺服系統(tǒng)慣量辨識(shí)性能研究[J]. 梁驕雁,胡育文,魯文其.  航空學(xué)報(bào). 2011(03)



本文編號(hào)：3268463