控制問題的基本為系統(tǒng)數(shù)學(xué)模型的確定,只有了解系統(tǒng)的運(yùn)動(dòng)模型,才能更好地理解系統(tǒng)的運(yùn)動(dòng)規(guī)律,分析系統(tǒng)的行為特性,設(shè)計(jì)系統(tǒng)的控制策略或估計(jì)系統(tǒng)的運(yùn)動(dòng)狀態(tài).系統(tǒng)辨識(shí)作為一種實(shí)驗(yàn)統(tǒng)計(jì)方法,對工業(yè)過程中得到系統(tǒng)的模型至關(guān)重要.作者在查閱了相關(guān)文獻(xiàn)的基礎(chǔ)上,針對雙線性系統(tǒng),詳細(xì)推導(dǎo)了其辨識(shí)模型以及一些有效的辨識(shí)方法,主要內(nèi)容包括:1.在白噪聲干擾下,針對雙線性狀態(tài)空間系統(tǒng),論文通過對系統(tǒng)中狀態(tài)向量與控制向量的乘積項(xiàng)進(jìn)行等價(jià)變換得到系統(tǒng)的辨識(shí)模型,此模型消除了系統(tǒng)中難于辨識(shí)的雙線性項(xiàng),使得信息向量中僅包括可觀測數(shù)據(jù),變換后的系統(tǒng)模型可以近似為方程誤差(CAR)模型,針對此模型,采用遞推最小二乘算法與隨機(jī)梯度算法進(jìn)行辨識(shí),同時(shí),對系統(tǒng)中的實(shí)時(shí)狀態(tài)進(jìn)行了估計(jì),論文也利用估計(jì)出的參數(shù)得到了預(yù)測輸出,并與實(shí)際輸出進(jìn)行擬合.為提高隨機(jī)梯度辨識(shí)算法收斂速度和精度,通過擴(kuò)展新息向量來推導(dǎo)多新息辨識(shí)算法.2.論文推導(dǎo)了方程誤差雙線性系統(tǒng)和輸出誤差雙線性系統(tǒng)的辨識(shí)模型,并討論了遞推最小二乘辨識(shí)方法與多新息隨機(jī)梯度辨識(shí)方法,為了進(jìn)一步改善辨識(shí)性能,論文利用遞階辨識(shí)原理,將雙線性參數(shù)系統(tǒng)的辨識(shí)模型分解成幾個(gè)辨識(shí)子系統(tǒng),采...

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問題的提出與研究意義
    1.2 領(lǐng)域國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要辨識(shí)算法
    1.4 論文主要研究內(nèi)容簡介
第二章 方程誤差雙線性系統(tǒng)的辨識(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 多新息隨機(jī)梯度辨識(shí)算法
    2.4 基于分解的遞推最小二乘算法
    2.5 基于分解的多新息隨機(jī)梯度算法
    2.6 小結(jié)
第三章 輸出誤差雙線性系統(tǒng)的辨識(shí)方法
    3.1 系統(tǒng)描述與辨識(shí)模型
    3.2 基于輔助變量的遞推最小二乘算法
    3.3 基于輔助變量的多新息隨機(jī)梯度算法
    3.4 基于模型分解的遞推最小二乘算法
    3.5 基于模型分解的多新息隨機(jī)梯度算法
    3.6 小結(jié)
主要結(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



本文編號(hào)：3885329