發(fā)布時(shí)間：2020-12-06 06:28

　　在實(shí)際工業(yè)過(guò)程中,結(jié)構(gòu)復(fù)雜的多變量系統(tǒng)廣泛存在.因此,多變量系統(tǒng)的辨識(shí)一直都是控制領(lǐng)域研究的熱點(diǎn)和難點(diǎn).作為基于概率的估計(jì)方法,極大似然估計(jì)量具有良好的統(tǒng)計(jì)特性,在許多領(lǐng)域有著廣泛的應(yīng)用.本課題將極大似然理論與遞推辨識(shí)原理相結(jié)合用于研究有色噪聲干擾的多元方程誤差系統(tǒng)的極大似然辨識(shí)問(wèn)題.論文主要成果如下.1.針對(duì)多元方程誤差滑動(dòng)平均系統(tǒng),由于系統(tǒng)既包含參數(shù)向量又包含參數(shù)矩陣,將系統(tǒng)分解為只包含參數(shù)向量的子系統(tǒng),通過(guò)定義子系統(tǒng)參數(shù)向量和信息向量得到子系統(tǒng)辨識(shí)模型.針對(duì)子系統(tǒng),推導(dǎo)了極大似然增廣隨機(jī)梯度辨識(shí)算法.為了提高該算法的收斂速度和參數(shù)估計(jì)精度,提出了極大似然多新息增廣隨機(jī)梯度算法和極大似然遞推增廣最小二乘算法.2.針對(duì)多元方程誤差自回歸系統(tǒng),先將系統(tǒng)分解為多個(gè)多輸入單輸出的子系統(tǒng),所有子系統(tǒng)包含耦合的參數(shù)向量.為了協(xié)調(diào)子系統(tǒng)間參數(shù)向量的耦合關(guān)系,提高參數(shù)估計(jì)精度,引入耦合辨識(shí)概念,推導(dǎo)了耦合極大似然遞推廣義最小二乘算法和耦合極大似然廣義隨機(jī)梯度算法.為了進(jìn)一步提高梯度算法的參數(shù)估計(jì)精度,引入多新息,推導(dǎo)了耦合極大似然多新息廣義隨機(jī)梯度辨識(shí)算法.3.針對(duì)多元方程誤差自回歸滑動(dòng)平均系統(tǒng),... 

【文章來(lái)源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：118 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與研究意義
    1.2 國(guó)內(nèi)外領(lǐng)域研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容簡(jiǎn)介
第二章 多元方程誤差滑動(dòng)平均系統(tǒng)的極大似然遞推辨識(shí)
    2.1 引言
    2.2 系統(tǒng)描述與辨識(shí)模型
    2.3 極大似然增廣隨機(jī)梯度辨識(shí)算法
    2.4 極大似然多新息增廣隨機(jī)梯度算法
    2.5 極大似然遞推增廣最小二乘算法
    2.6 數(shù)值仿真
    2.7 本章小結(jié)
第三章 多元方程誤差自回歸系統(tǒng)的極大似然遞推辨識(shí)
    3.1 引言
    3.2 系統(tǒng)描述與辨識(shí)模型
    3.3 耦合極大似然廣義隨機(jī)梯度辨識(shí)算法
    3.4 耦合極大似然多新息廣義隨機(jī)梯度算法
    3.5 耦合極大似然遞推廣義最小二乘算法
    3.6 數(shù)值仿真
    3.7 本章小結(jié)
第四章 多元方程誤差自回歸滑動(dòng)平均系統(tǒng)的極大似然遞推辨識(shí)
    4.1 引言
    4.2 系統(tǒng)描述與辨識(shí)模型
    4.3 極大似然遞推廣義增廣最小二乘辨識(shí)算法
    4.4 基于濾波的極大似然遞推增廣最小二乘算法
    4.5 極大似然多新息廣義增廣隨機(jī)梯度辨識(shí)算法
    4.6 基于濾波的極大似然多新息增廣隨機(jī)梯度算法
    4.7 數(shù)值仿真
    4.8 本章小結(jié)
第五章 主要結(jié)論與展望
    5.1 主要結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
附錄 :攻讀博士期間發(fā)表的論文



本文編號(hào)：2900897