一種改進(jìn)的Levenberg-Marquardt辨識(shí)算法
【文章頁(yè)數(shù)】:6 頁(yè)
【部分圖文】:
圖1輸出誤差系統(tǒng)
·1264·電子測(cè)量與儀器學(xué)報(bào)第30卷文提出了一種改進(jìn)的Levenberg-Marquardt方法,通過(guò)調(diào)節(jié)算法中的因子提高收斂速度和預(yù)測(cè)精度。引入輔助模型思想,建立輔助模型,用輔助模型輸出代替系統(tǒng)中的未知變量。引入可變遺忘因子,進(jìn)一步提高算法的收斂速度和預(yù)測(cè)精度。2系統(tǒng)模型及問(wèn)....
圖2輔助模型Fig.2Auxiliarymodel
斯牛頓法進(jìn)行迭代時(shí),如果損失函數(shù)增大,則γ因子取較大值,利用梯度下降法快速搜索。從而提高算法的收斂速度和預(yù)測(cè)精度。因?yàn)閰?shù)向量^φ(k)中含有未知變量[xk-()1,xk-()2,…,x()k-na],所以無(wú)法對(duì)系統(tǒng)參數(shù)進(jìn)行辨識(shí)。一般采用y()k-i代替未知變量x()k-i,但是....
圖3誤差指標(biāo)Fig.3Errorindex
·1266·電子測(cè)量與儀器學(xué)報(bào)第30卷NSR=abs(mean(v))abs(mean(Y))(32)或者用信噪比:SNR=20×log(1/NSR)(33)輸出誤差模型:y(k)=0.3z+0.2z2-1.3z+0.4u(k)+v(k)(34)式中:[a1,a2,b1,b2]=....
圖4參數(shù)辨識(shí)結(jié)果
·1266·電子測(cè)量與儀器學(xué)報(bào)第30卷NSR=abs(mean(v))abs(mean(Y))(32)或者用信噪比:SNR=20×log(1/NSR)(33)輸出誤差模型:y(k)=0.3z+0.2z2-1.3z+0.4u(k)+v(k)(34)式中:[a1,a2,b1,b2]=....
本文編號(hào):3968430
本文鏈接:http://www.wukwdryxk.cn/projectlw/xtxlw/3968430.html