本文介紹了非線性系統(tǒng)辨識研究的目的和意義,詳細概述了在非線性辨識領域占有重要位置的Hammerstein模型,即一類模塊化的非線性系統(tǒng)模型,該模型是由靜態(tài)的非線性子模塊與動態(tài)的線性子模塊相連接而構成的。由于Hammerstein模型結構簡單,具有能夠有效地描述幾乎所有被控系統(tǒng)的特征、并且易于實現(xiàn)在線辨識,因此成為國內外學者和專家的研究熱點,并在實際工程中的許多領域中得到廣泛的應用。眾所周知,單變量Hammerstein模型的辨識理論和方法的研究已經比較成熟,本文主要針對多變量Hammerstein模型,基于極大似然辨識方法,進行Hammerstein系統(tǒng)辨識方法的研究。本文基于極大似然原理,提出不同多變量Hammerstein系統(tǒng)的辨識方法,并通過Matlab仿真軟件進行仿真實驗。本文的主要內容如下:1.介紹了Hammerstein模型及其數(shù)學描述,模型辨識的主要內容和基本步驟,并列出辨識所常用的兩種模型,即方程誤差類模型和輸出誤差類模型。2.介紹了極大似然辨識算法的原理和辨識步驟,并以受控自回歸模型為仿真實例進行極大似然參數(shù)估計。3.基于極大似然辨識原理,針對在有色噪聲干擾下的多變量... 

【文章來源】：青島大學山東省

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

不同方差護時的參數(shù)估計誤差

【參考文獻】：
期刊論文
[1]Hammerstein OEMA系統(tǒng)的輔助模型最小二乘辨識[J]. 初燕云,王冬青,楊國為.  科學技術與工程. 2009(22)
[2]SIMO系統(tǒng)輔助變量最小二乘盲辨識方法[J]. 陳慧波,丁鋒.  系統(tǒng)工程與電子技術. 2009(04)
[3]基于輔助模型的多新息廣義增廣隨機梯度算法[J]. 王冬青,丁鋒.  控制與決策. 2008(09)
[4]Robust maximum-likelihood parameter estimation of stochastic state-space systems based on EM algorithm[J]. Zhong Lusheng(National Laboratory of Industrial Control Technology,Institute of Industrial Process Control,Zhejiang University,Hangzhou 310027,China).  Progress in Natural Science. 2007(09)
[5]多變量系統(tǒng)狀態(tài)空間模型的遞階辨識[J]. 丁鋒,蕭德云.  控制與決策. 2005(08)
[6]時變參數(shù)遺忘梯度估計算法的收斂性[J]. 丁鋒,丁韜,楊家本,徐用懋.  自動化學報. 2002(06)
[7]大系統(tǒng)的遞階辨識[J]. 丁鋒,楊家本.  自動化學報. 1999(05)
[8]隨機梯度算法的收斂性分析[J]. 丁鋒,楊家本.  清華大學學報(自然科學版). 1999(01)



本文編號：3553177