系統(tǒng)建模與模型辨識(shí)是進(jìn)行控制系統(tǒng)分析和設(shè)計(jì)的基礎(chǔ),通過量測(cè)數(shù)據(jù)建立系統(tǒng)的數(shù)學(xué)模型是對(duì)系統(tǒng)進(jìn)行深入研究的有效手段.隨著現(xiàn)代工業(yè)系統(tǒng)生產(chǎn)工藝的不斷提升,工控領(lǐng)域的被控對(duì)象往往是規(guī)模龐大,結(jié)構(gòu)復(fù)雜以及伴隨擾動(dòng)的多變量系統(tǒng).因此,多變量系統(tǒng)的辨識(shí)研究一直都是控制領(lǐng)域的研究熱點(diǎn).多元系統(tǒng)是用一類線性參數(shù)多變量回歸模型描述的系統(tǒng),它可以描述線性多變量系統(tǒng),也可描述非線性多變量系統(tǒng).論文通過將遞階辨識(shí)原理、數(shù)據(jù)濾波技術(shù)以及多新息辨識(shí)理論相結(jié)合,研究有色噪聲干擾下的多元方程誤差系統(tǒng)的遞階迭代辨識(shí)問題.論文主要研究工作如下.（1）針對(duì)多元方程誤差自回歸系統(tǒng),分別應(yīng)用負(fù)梯度搜索和最小二乘原理提出了這類系統(tǒng)的廣義迭代辨識(shí)方法.針對(duì)辨識(shí)模型信息矩陣中含有未知項(xiàng)的問題,可以將未知項(xiàng)用其前一步的迭代估計(jì)值進(jìn)行替代,參數(shù)估計(jì)利用替代后的信息矩陣進(jìn)行刷新,從而利用批數(shù)據(jù)來實(shí)現(xiàn)參數(shù)向量的離線辨識(shí).進(jìn)一步地,通過利用模型分解技術(shù)將原辨識(shí)模型分解成為多個(gè)子辨識(shí)模型,然后根據(jù)交互估計(jì)理論來研究多元方程誤差系統(tǒng)的遞階廣義迭代辨識(shí)算法和遞階增廣迭代辨識(shí)算法,并通過算法的計(jì)算量分析來驗(yàn)證遞階辨識(shí)原理可以有效的減少算法的計(jì)算量,數(shù)值... 

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的提出背景與研究意義
    1.2 國(guó)內(nèi)外領(lǐng)域研究現(xiàn)狀
    1.3 多變量系統(tǒng)辨識(shí)方法綜述
    1.4 論文的主要研究?jī)?nèi)容簡(jiǎn)介
第二章 多元方程誤差自回歸系統(tǒng)的遞階廣義迭代辨識(shí)
    2.1 引言
    2.2 模型描述與辨識(shí)模型
    2.3 廣義梯度迭代辨識(shí)方法
    2.4 遞階廣義梯度迭代辨識(shí)方法
    2.5 廣義最小二乘迭代辨識(shí)方法
    2.6 遞階廣義最小二乘迭代方法
    2.7 數(shù)值仿真
    2.8 本章小結(jié)
第三章 多元方程誤差自回歸滑動(dòng)平均系統(tǒng)的遞階迭代辨識(shí)
    3.1 引言
    3.2 模型描述與辨識(shí)模型
    3.3 廣義增廣梯度迭代辨識(shí)方法
    3.4 遞階廣義增廣梯度迭代辨識(shí)方法
    3.5 廣義增廣最小二乘迭代辨識(shí)方法
    3.6 遞階廣義增廣最小二乘迭代辨識(shí)方法
    3.7 基于濾波的廣義增廣梯度迭代辨識(shí)方法
    3.8 基于濾波的廣義增廣最小二乘迭代方法
    3.9 數(shù)值仿真
    3.10 本章小結(jié)
第四章 結(jié)論與展望
    4.1 主要結(jié)論
    4.2 展望
致謝
參考文獻(xiàn)
附錄:攻讀碩士期間發(fā)表的論文



本文編號(hào)：3724528