【摘要】：闡述了選題的目的和意義,概述了經(jīng)典系統(tǒng)辨識(shí)方法的研究狀況、模塊化非線性系統(tǒng)辨識(shí)方法的研究狀況、雙率/多率系統(tǒng)辨識(shí)方法的研究狀況。本文研究雙率采樣Hammerstein CAR系統(tǒng)的參數(shù)辨識(shí)方法,通過多項(xiàng)式變換技術(shù)和不同的模型轉(zhuǎn)換技術(shù),得到雙率采樣Hammerstein CAR系統(tǒng)的兩類辨識(shí)模型：雙率雙線性辨識(shí)模型和雙率(單)線性辨識(shí)模型,然后提出基于兩類辨識(shí)模型的最小二乘辨識(shí)算法、隨機(jī)梯度辨識(shí)算法、遺忘因子隨機(jī)梯度辨識(shí)算法、多新息隨機(jī)梯度辨識(shí)算法。 1.提出雙率采樣Hammerstein CAR模型的基于遞階辨識(shí)原理的最小二乘辨識(shí)方法。將雙率采樣Hammerstein CAR模型通過多項(xiàng)式變換和模型轉(zhuǎn)換變換為雙率雙線性辨識(shí)模型,從而提出基于遞階辨識(shí)原理的雙率采樣Hammerstein CAR模型的最小二乘辨識(shí)算法,以交互估計(jì)辨識(shí)模型中每一個(gè)參數(shù)向量。最后通過仿真例子驗(yàn)證了算法的有效性。 2.提出雙率采樣Hammerstein CAR模型的基于關(guān)鍵變量分離原理的最小二乘辨識(shí)方法。將雙率采樣Hammerstein CAR模型通過多項(xiàng)式變換和采用關(guān)鍵變量分離原理將模型變換為雙率(單)線性辨識(shí)模型,從而提出基于關(guān)鍵變量分離原理的雙率采樣Hammerstein CAR模型的最小二乘辨識(shí)算法。最后通過仿真例子驗(yàn)證了算法的有效性。 3.提出雙率采樣Hammerstein CAR模型的基于關(guān)鍵變量分離原理的隨機(jī)梯度辨識(shí)算法、遺忘因子隨機(jī)梯度辨識(shí)算法、多新息隨機(jī)梯度辨識(shí)算法。針對(duì)最小二乘算法計(jì)算量大的缺點(diǎn),將雙率采樣Hammerstein CAR模型通過多項(xiàng)式變換和采用關(guān)鍵變量分離原理將模型變換為雙率(單)線性辨識(shí)模型,提出基于關(guān)鍵變量分離原理的雙率采樣Hammerstein CAR模型的隨機(jī)梯度辨識(shí)算法,降低了計(jì)算量；進(jìn)一步提出遺忘因子隨機(jī)梯度辨識(shí)算法和多新息隨機(jī)梯度辨識(shí)算法,來改善隨機(jī)梯度辨識(shí)算法收斂速度慢的缺點(diǎn)。并通過仿真例子驗(yàn)證算法的有效性。
【學(xué)位授予單位】：青島大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：N945.14

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 丁鋒,蕭德云,丁韜;多新息隨機(jī)梯度辨識(shí)方法[J];控制理論與應(yīng)用;2003年06期

2 王冬青;;基于輔助模型的遞推增廣最小二乘辨識(shí)方法[J];控制理論與應(yīng)用;2009年01期

3 王冬青;丁鋒;;基于輔助模型的多新息廣義增廣隨機(jī)梯度算法[J];控制與決策;2008年09期

4 丁鋒,謝新民,方崇智;時(shí)變系統(tǒng)辨識(shí)的多新息方法[J];自動(dòng)化學(xué)報(bào);1996年01期

5 朱燕飛;譚洪舟;章云;;一類非線性系統(tǒng)盲辨識(shí)算法及仿真研究[J];系統(tǒng)仿真學(xué)報(bào);2008年14期

，

本文編號(hào)：2625214