隨著現(xiàn)代工業(yè)技術(shù)的快速發(fā)展,工業(yè)過程中的控制系統(tǒng)中所包含的變量數(shù)和參數(shù)越來越多,因此對于這種多變量控制系統(tǒng)的參數(shù)辨識成為近幾年來的研究熱門。類多變量輸出誤差系統(tǒng)是一種特殊的多變量系統(tǒng),憑借其參數(shù)類型復(fù)雜進而成為系統(tǒng)辨識領(lǐng)域的研究熱點。論文針對類多變量輸出誤差系統(tǒng)展開了研究,分別研究了其在不同類型有色噪聲干擾下的參數(shù)辨識問題,并利用耦合辨識概念完成對基礎(chǔ)迭代算法的優(yōu)化,推導(dǎo)出了耦合類迭代辨識算法,所推導(dǎo)出的算法具有理論意義和實際應(yīng)用價值。論文取得如下成果:(1)針對類多變量輸出誤差滑動平均系統(tǒng),利用輔助模型辨識思想推導(dǎo)出了增廣梯度迭代算法。為了提高參數(shù)估計精度,進一步利用耦合辨識概念,提出了部分耦合子系統(tǒng)增廣梯度迭代算法和部分耦合增廣梯度迭代算法。(2)針對類多變量輸出誤差滑動平均系統(tǒng),利用最小二乘搜索準則,提出了增廣最小二乘迭代算法。為了提高參數(shù)辨識精度,提出了部分耦合子系統(tǒng)最小二乘迭代算法。(3)針對類多變量輸出誤差自回歸滑動平均系統(tǒng),研究了廣義增廣梯度迭代算法和廣義增廣最小二乘迭代算法。為了提高計算效率,利用遞階辨識原理,推導(dǎo)出了相對應(yīng)的子系統(tǒng)廣義增廣迭代算法。(4)針對類多變量輸... 

【文章來源】：湖北工業(yè)大學(xué)湖北省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

EGI，PC-S-EGI和PC-EGI參數(shù)估計誤差隨k變化曲線

湖北工業(yè)大學(xué)碩士學(xué)位論文24圖2.7EGI，PC-S-EGI和PC-EGI參數(shù)估計誤差隨k變化曲線Fig.2.7TheparameterestimationerrorsoftheEGI,PC-S-EGIandPC-EGIalgorithmsversusk圖2.8PC-EGI參數(shù)估計誤差隨k變化曲線Fig.2.8Theestimationerrorsversuskwithdifferentnoisevariances

湖北工業(yè)大學(xué)碩士學(xué)位論文25圖2.9PC-EGI參數(shù)估計誤差隨k變化曲線Fig.2.9TheestimationerrorsversuskwithdifferentdatalengthPC-S-EGI算法和PC-EGI算法所需的迭代次數(shù)更少，參數(shù)估計的精確度更高。(3)數(shù)據(jù)長度一定，PC-EGI算法的參數(shù)估計精確度與噪聲方差成反比。同樣，噪聲方差一定時，PC-EGI算法的參數(shù)估計誤差與離散數(shù)據(jù)的長度成反比。2.4部分耦合子系統(tǒng)增廣最小二乘迭代辨識方法迭代辨識通過結(jié)合不同的搜索準則可以推導(dǎo)出不同的算法，如在負梯度搜索準則下形成的梯度迭代算法，與最小二乘搜索準則形成最小二乘迭代算法等。下面將推導(dǎo)解決MOEMA-like系統(tǒng)的參數(shù)辨識問題的增廣最小二乘迭代算法，并引入耦合辨識概念形成部分耦合子系統(tǒng)增廣最小二乘迭代算法。2.4.1增廣最小二乘迭代算法將2.3節(jié)中的準則函數(shù)1J()重寫如下：21J():=Y(L)Γ(L)，其中，Y(L)，Γ(L)和定義同上。求1J()對的導(dǎo)數(shù)并使導(dǎo)數(shù)等于0可以得到估計參數(shù)向量的最小二乘迭代關(guān)系：T1T=[()()]()()kLLLLΓΓΓY.(2-84)

【參考文獻】：
期刊論文
[1]基于移動數(shù)據(jù)窗的傳遞函數(shù)多新息隨機梯度辨識方法[J]. 徐玲.  控制與決策. 2017(06)
[2]損失數(shù)據(jù)線性參數(shù)系統(tǒng)的遞推最小二乘辨識方法[J]. 丁鋒,汪菲菲.  控制與決策. 2016(12)
[3]系統(tǒng)辨識算法的復(fù)雜性、收斂性及計算效率研究[J]. 丁鋒.  控制與決策. 2016(10)
[4]多變量系統(tǒng)的耦合梯度辨識算法與性能分析[J]. 劉艷君,丁鋒.  控制與決策. 2016(08)
[5]多變量方程誤差類系統(tǒng)的部分耦合迭代辨識方法[J]. 丁鋒,汪菲菲,汪學(xué)海.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2014(04)
[6]類多變量輸出誤差系統(tǒng)的耦合多新息辨識方法[J]. 丁鋒,汪菲菲,汪學(xué)海.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2014(03)
[7]多元偽線性回歸系統(tǒng)部分耦合多新息隨機梯度類辨識方法[J]. 丁鋒,汪菲菲,汪學(xué)海.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2014(02)
[8]多元系統(tǒng)耦合多新息隨機梯度類辨識方法[J]. 丁鋒,汪菲菲.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2014(01)
[9]系統(tǒng)辨識(8):耦合辨識概念與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2012(03)
[10]系統(tǒng)辨識(7):遞階辨識原理與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2012(02)



本文編號：2912829