發(fā)布時間：2020-11-09 17:05

　　 在線性系統(tǒng)辨識問題的研究中,最小二乘迭代辨識算法被應用于輸出誤差類模型的參數(shù)估計,可以實現(xiàn)較高的辨識進度。但是當算法中所涉及的數(shù)據(jù)乘積矩矩陣維數(shù)較大時,計算量大的問題就會突顯出來。因此,本文研究了基于分解和濾波的最小二乘迭代估計方法,推導出針對輸出誤差類模型的辨識算法,相對與現(xiàn)有最小二乘迭代算法提高了計算效率。該方法具有理論意義和實際應用前景,論文取得如下成果： 1.針對輸出誤差系統(tǒng),將原待辨識系統(tǒng)分解為兩個虛擬子系統(tǒng),利用最小二乘估計方法,推導出應用于在線辨識和離線辨識下的分解迭代辨識算法,該算法與現(xiàn)有最小二乘迭代算法相比能減小一定的計算量。 2.針對帶有色誤差的輸出誤差滑動平均系統(tǒng),將原待辨識系統(tǒng)分解為三個虛擬子系統(tǒng),推導出基于分解的最小二乘迭代辨識算法,該算法相對現(xiàn)有的最小二乘迭代算法有更好的計算效率。 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將原待辨識系統(tǒng)分解為多個虛擬子系統(tǒng),推導出基于濾波分解的最小二乘迭代辨識算法,該算法相對現(xiàn)有的最小二乘迭代算法有更好的計算效率。 4.針對Box-Jenkins系統(tǒng),推導其基于分解的辨識模型,利用濾波技術和分解辨識方法,推導出基于分解濾波的多階段最小二乘迭代辨識算法,該算法的計算量相比現(xiàn)有算法具有明顯的優(yōu)勢。 5.通過多個仿真實驗分別驗證上述算法的有效性,并綜合算法計算量分析,證明了在系統(tǒng)待辨識參數(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算效率,在達到相近的辨識精度的前提下,有效的減少了計算量。 綜上所述,本文研究了針對輸出誤差類系統(tǒng)的分解迭代估計方法,推導出針對各個具體系統(tǒng)模型的辨識算法,通過仿真實驗驗證了算法有效性,并結合計算量分析證明了所提出的算法在待辨識參數(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算效率。
【學位單位】：江南大學
【學位級別】：碩士
【學位年份】：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)的分解迭代估計方法
    2.1 系統(tǒng)描述
    2.2 輸出誤差系統(tǒng)的迭代辨識算法
    2.3 輸出誤差系統(tǒng)的分解最小二乘迭代辨識算法
    2.4 算法計算量分析
    2.5 小結
第三章 輸出誤差滑動平均系統(tǒng)的分解迭代估計方法
    3.1 系統(tǒng)描述
    3.2 輸出誤差滑動平均系統(tǒng)的迭代辨識算法
    3.3 輸出誤差滑動平均系統(tǒng)三階段迭代辨識算法
    3.4 算法計算量分析
    3.5 小結
第四章 輸出誤差自回歸系統(tǒng)的分解迭代估計方法
    4.1 系統(tǒng)描述
    4.2 輸出誤差自回歸系統(tǒng)的迭代辨識算法
    4.3 輸出誤差自回歸系統(tǒng)濾波分解迭代辨識算法
    4.4 算法計算量分析
    4.5 小結
第五章 輸出誤差自回歸滑動平均系統(tǒng)的分解迭代估計方法
    5.1 系統(tǒng)描述
    5.2 Box-Jenkins 系統(tǒng)的迭代辨識算法
    5.3 Box-Jenkins 系統(tǒng)濾波三階段迭代辨識算法
    5.4 算法計算量分析
    5.5 小結
第六章 結論與展望
致謝
參考文獻
附錄：攻讀碩士期間發(fā)表的論文

【參考文獻】

相關期刊論文 前5條

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

2 楊慧中;張勇;;Box-Jenkins模型偏差補償方法與其他辨識方法的比較[J];控制理論與應用;2007年02期

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

4 丁鋒;;系統(tǒng)辨識(2):系統(tǒng)描述的基本模型[J];南京信息工程大學學報(自然科學版);2011年02期

5 丁鋒;;辨識方法的計算效率(3):信息向量耦合算法[J];南京信息工程大學學報(自然科學版);2012年06期

本文編號：2876725