發(fā)布時(shí)間：2020-11-09 17:05

　　 在線性系統(tǒng)辨識(shí)問題的研究中,最小二乘迭代辨識(shí)算法被應(yīng)用于輸出誤差類模型的參數(shù)估計(jì),可以實(shí)現(xiàn)較高的辨識(shí)進(jìn)度。但是當(dāng)算法中所涉及的數(shù)據(jù)乘積矩矩陣維數(shù)較大時(shí),計(jì)算量大的問題就會(huì)突顯出來。因此,本文研究了基于分解和濾波的最小二乘迭代估計(jì)方法,推導(dǎo)出針對輸出誤差類模型的辨識(shí)算法,相對與現(xiàn)有最小二乘迭代算法提高了計(jì)算效率。該方法具有理論意義和實(shí)際應(yīng)用前景,論文取得如下成果： 1.針對輸出誤差系統(tǒng),將原待辨識(shí)系統(tǒng)分解為兩個(gè)虛擬子系統(tǒng),利用最小二乘估計(jì)方法,推導(dǎo)出應(yīng)用于在線辨識(shí)和離線辨識(shí)下的分解迭代辨識(shí)算法,該算法與現(xiàn)有最小二乘迭代算法相比能減小一定的計(jì)算量。 2.針對帶有色誤差的輸出誤差滑動(dòng)平均系統(tǒng),將原待辨識(shí)系統(tǒng)分解為三個(gè)虛擬子系統(tǒng),推導(dǎo)出基于分解的最小二乘迭代辨識(shí)算法,該算法相對現(xiàn)有的最小二乘迭代算法有更好的計(jì)算效率。 3.針對另一種有色噪聲干擾的輸出誤差自回歸系統(tǒng),利用分解和濾波技術(shù)將原待辨識(shí)系統(tǒng)分解為多個(gè)虛擬子系統(tǒng),推導(dǎo)出基于濾波分解的最小二乘迭代辨識(shí)算法,該算法相對現(xiàn)有的最小二乘迭代算法有更好的計(jì)算效率。 4.針對Box-Jenkins系統(tǒng),推導(dǎo)其基于分解的辨識(shí)模型,利用濾波技術(shù)和分解辨識(shí)方法,推導(dǎo)出基于分解濾波的多階段最小二乘迭代辨識(shí)算法,該算法的計(jì)算量相比現(xiàn)有算法具有明顯的優(yōu)勢。 5.通過多個(gè)仿真實(shí)驗(yàn)分別驗(yàn)證上述算法的有效性,并綜合算法計(jì)算量分析,證明了在系統(tǒng)待辨識(shí)參數(shù)較多或者采集輸入輸出數(shù)據(jù)量較大的情況下,本文所提出的算法相比現(xiàn)有算法具有更高的計(jì)算效率,在達(dá)到相近的辨識(shí)精度的前提下,有效的減少了計(jì)算量。 綜上所述,本文研究了針對輸出誤差類系統(tǒng)的分解迭代估計(jì)方法,推導(dǎo)出針對各個(gè)具體系統(tǒng)模型的辨識(shí)算法,通過仿真實(shí)驗(yàn)驗(yàn)證了算法有效性,并結(jié)合計(jì)算量分析證明了所提出的算法在待辨識(shí)參數(shù)多、采集輸入輸出數(shù)據(jù)量大的條件下,相比現(xiàn)有的最小二乘迭代算法具有更高的計(jì)算效率。
【學(xué)位單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2014
【中圖分類】：N945.14;O212.1
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問題提出與研究意義
    1.2 研究現(xiàn)狀綜述
    1.3 系統(tǒng)辨識(shí)方法綜述
    1.4 本文主要內(nèi)容介紹
第二章 輸出誤差系統(tǒng)的分解迭代估計(jì)方法
    2.1 系統(tǒng)描述
    2.2 輸出誤差系統(tǒng)的迭代辨識(shí)算法
    2.3 輸出誤差系統(tǒng)的分解最小二乘迭代辨識(shí)算法
    2.4 算法計(jì)算量分析
    2.5 小結(jié)
第三章 輸出誤差滑動(dòng)平均系統(tǒng)的分解迭代估計(jì)方法
    3.1 系統(tǒng)描述
    3.2 輸出誤差滑動(dòng)平均系統(tǒng)的迭代辨識(shí)算法
    3.3 輸出誤差滑動(dòng)平均系統(tǒng)三階段迭代辨識(shí)算法
    3.4 算法計(jì)算量分析
    3.5 小結(jié)
第四章 輸出誤差自回歸系統(tǒng)的分解迭代估計(jì)方法
    4.1 系統(tǒng)描述
    4.2 輸出誤差自回歸系統(tǒng)的迭代辨識(shí)算法
    4.3 輸出誤差自回歸系統(tǒng)濾波分解迭代辨識(shí)算法
    4.4 算法計(jì)算量分析
    4.5 小結(jié)
第五章 輸出誤差自回歸滑動(dòng)平均系統(tǒng)的分解迭代估計(jì)方法
    5.1 系統(tǒng)描述
    5.2 Box-Jenkins 系統(tǒng)的迭代辨識(shí)算法
    5.3 Box-Jenkins 系統(tǒng)濾波三階段迭代辨識(shí)算法
    5.4 算法計(jì)算量分析
    5.5 小結(jié)
第六章 結(jié)論與展望
致謝
參考文獻(xiàn)
附錄：攻讀碩士期間發(fā)表的論文

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 侯曉秋;;非線性隨機(jī)系統(tǒng)具有遺忘因子的遞推最小二乘法[J];黑龍江科技學(xué)院學(xué)報(bào);2008年04期

2 楊慧中;張勇;;Box-Jenkins模型偏差補(bǔ)償方法與其他辨識(shí)方法的比較[J];控制理論與應(yīng)用;2007年02期

3 康正九，胡保生;基于逆QR分解的RELS參數(shù)估計(jì)及其并行實(shí)現(xiàn)[J];控制與決策;1996年01期

4 丁鋒;;系統(tǒng)辨識(shí)(2):系統(tǒng)描述的基本模型[J];南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

5 丁鋒;;辨識(shí)方法的計(jì)算效率(3):信息向量耦合算法[J];南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

本文編號(hào)：2876725