為了解決Hammerstein非線性系統(tǒng)在非均勻采樣條件下的辨識(shí)問(wèn)題,該文提出了1種能夠用于在線參數(shù)估計(jì)的梯度迭代算法。通過(guò)引入時(shí)變后移算子,推導(dǎo)了非均勻采樣Hammerstein系統(tǒng)的離散時(shí)間模型。采用關(guān)鍵項(xiàng)分離技術(shù)將系統(tǒng)參數(shù)化為1個(gè)線性回歸模型�；谳o助模型辨識(shí)思想對(duì)未知中間變量進(jìn)行重構(gòu),并利用負(fù)梯度搜索原理獲得模型參數(shù)的迭代估計(jì)。仿真結(jié)果表明,該文方法是有效的,且比輔助模型隨機(jī)梯度算法具有更快的收斂速度,參數(shù)估計(jì)精度提高近40倍。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖2AM-SG算法參數(shù)估計(jì)值隨k變化曲線圖

南京理工大學(xué)學(xué)報(bào)第41卷第6期圖2AM-SG算法參數(shù)估計(jì)值隨k變化曲線圖圖3GI算法參數(shù)估計(jì)值隨k變化曲線圖AM-SG算法和GI算法得到的參數(shù)估計(jì)相對(duì)誤差ε隨k變化曲線如圖4所示。圖4中ε=∑1i=0∑2j=1(a)ij－aij)2+∑1i=0∑2j=0(b)ij－bij)2+∑....

圖3GI算法參數(shù)估計(jì)值隨k變化曲線圖

南京理工大學(xué)學(xué)報(bào)第41卷第6期圖2AM-SG算法參數(shù)估計(jì)值隨k變化曲線圖圖3GI算法參數(shù)估計(jì)值隨k變化曲線圖AM-SG算法和GI算法得到的參數(shù)估計(jì)相對(duì)誤差ε隨k變化曲線如圖4所示。圖4中ε=∑1i=0∑2j=1(a)ij－aij)2+∑1i=0∑2j=0(b)ij－bij)2+∑....

圖4參數(shù)估計(jì)誤差隨k變化曲線圖

南京理工大學(xué)學(xué)報(bào)第41卷第6期圖2AM-SG算法參數(shù)估計(jì)值隨k變化曲線圖圖3GI算法參數(shù)估計(jì)值隨k變化曲線圖AM-SG算法和GI算法得到的參數(shù)估計(jì)相對(duì)誤差ε隨k變化曲線如圖4所示。圖4中ε=∑1i=0∑2j=1(a)ij－aij)2+∑1i=0∑2j=0(b)ij－bij)2+∑....

本文編號(hào)：3935775