Hammerstein和Wiener系統(tǒng)分別屬于輸入非線性模型和輸出非線性模型,因為它們具有結(jié)構(gòu)簡單和靈活多變的特點而在辨識領(lǐng)域中廣受青睞。最小二乘算法是一種經(jīng)典的辨識算法,這類算法具有精度高,收斂速度快的優(yōu)點,并且在白噪聲的干擾下其參數(shù)估計無偏。本文的研究主要是針對Hammestein和Wiener系統(tǒng),通過引入加權(quán)和最新估計的辨識思想對基本的最小二乘辨識算法進(jìn)行了改進(jìn),并且在有色噪聲干擾下通過引入輔助變量進(jìn)一步改進(jìn)。使其擁有更高的辨識精度和收斂速度。本文的主要工作如下:針對Hammerstein ARX模型,結(jié)合加權(quán)思想和最新估計思想給出了加權(quán)最小二乘辨識算法。利用權(quán)重的思想,將當(dāng)前時刻的修正項改寫成當(dāng)前時刻修正項與前一時刻修正項的權(quán)重和。為了進(jìn)一步提高加權(quán)最小二乘算法的辨識精度,引入了最新估計的辨識思想,用最新時刻的參數(shù)估計代替前一時刻的參數(shù)估計。通過仿真對比驗證了加權(quán)最小二乘辨識算法的精度及抗干擾能力優(yōu)于最小二乘辨識算法。針對Hammerstein ARMAX模型,結(jié)合加權(quán)思想、最新估計思想和輔助變量思想提出了加權(quán)輔助變量最小二乘算法。因為最小二乘在有色噪聲下是有偏的,引入輔助...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究的背景及意義
    1.2 系統(tǒng)辨識的國內(nèi)外研究現(xiàn)狀
        1.2.1 非線性系統(tǒng)辨識方法研究現(xiàn)狀
        1.2.2 最小二乘系統(tǒng)辨識方法研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
第2章 Hammerstein ARX模型的加權(quán)最小二乘辨識
    2.1 Hammerstein ARX模型
    2.2 Hammerstein ARX模型的加權(quán)最小二乘算法
    2.3 參數(shù)分離的三種方法
    2.4 仿真實例
    2.5 本章小結(jié)
第3章 Hammerstein ARMAX模型的加權(quán)輔助變量最小二乘辨識
    3.1 Hammerstein ARMAX模型
    3.2 Hammerstein ARMAX模型的輔助變量最小二乘算法
    3.3 Hammerstein ARMAX模型的加權(quán)輔助輔助變量最小二乘算法
    3.4 仿真實例
    3.5 本章小結(jié)
第4章 Wiener ARMAX模型的加權(quán)輔助變量最小二乘辨識
    4.1 Wiener ARMAX模型
    4.2 Wiener ARMAX模型的輔助變量最小二乘辨識算法
    4.3 Wiener ARMAX模型的加權(quán)輔助變量最小二乘辨識算法
    4.4 仿真實例
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號：3826989