双线性状态空间系统的递推辨识

发布时间：2024-01-25 18:24

　　控制问题的基本为系统数学模型的确定,只有了解系统的运动模型,才能更好地理解系统的运动规律,分析系统的行为特性,设计系统的控制策略或估计系统的运动状态.系统辨识作为一种实验统计方法,对工业过程中得到系统的模型至关重要.作者在查阅了相关文献的基础上,针对双线性系统,详细推导了其辨识模型以及一些有效的辨识方法,主要内容包括:1.在白噪声干扰下,针对双线性状态空间系统,论文通过对系统中状态向量与控制向量的乘积项进行等价变换得到系统的辨识模型,此模型消除了系统中难于辨识的双线性项,使得信息向量中仅包括可观测数据,变换后的系统模型可以近似为方程误差(CAR)模型,针对此模型,采用递推最小二乘算法与随机梯度算法进行辨识,同时,对系统中的实时状态进行了估计,论文也利用估计出的参数得到了预测输出,并与实际输出进行拟合.为提高随机梯度辨识算法收敛速度和精度,通过扩展新息向量来推导多新息辨识算法.2.论文推导了方程误差双线性系统和输出误差双线性系统的辨识模型,并讨论了递推最小二乘辨识方法与多新息随机梯度辨识方法,为了进一步改善辨识性能,论文利用递阶辨识原理,将双线性参数系统的辨识模型分解成几个辨识子系统,采...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 问题的提出与研究意义
    1.2 领域国内外研究现状
    1.3 本文的主要辨识算法
    1.4 论文主要研究内容简介
第二章 方程误差双线性系统的辨识方法
    2.1 系统描述与辨识模型
    2.2 递推最小二乘辨识算法
    2.3 多新息随机梯度辨识算法
    2.4 基于分解的递推最小二乘算法
    2.5 基于分解的多新息随机梯度算法
    2.6 小结
第三章 输出误差双线性系统的辨识方法
    3.1 系统描述与辨识模型
    3.2 基于辅助变量的递推最小二乘算法
    3.3 基于辅助变量的多新息随机梯度算法
    3.4 基于模型分解的递推最小二乘算法
    3.5 基于模型分解的多新息随机梯度算法
    3.6 小结
主要结论与展望
致谢
参考文献
附录：作者在攻读硕士学位期间发表的论文



本文编号：3885329