發(fā)布時間：2020-11-09 03:04

　　 系統(tǒng)辨識是根據(jù)系統(tǒng)的輸入輸出數(shù)據(jù)來建立描述系統(tǒng)的數(shù)學(xué)模型的理論。近年來,多變量系統(tǒng)的辨識問題引起了控制領(lǐng)域的廣泛關(guān)注。多變量系統(tǒng)模型種類繁多,辨識方法遠(yuǎn)比單變量系統(tǒng)辨識要復(fù)雜。論文選題“類多變量輸出誤差類的遞階迭代辨識”,具有理論意義和應(yīng)用前景。論文對輸出誤差類多變量系統(tǒng)的辨識問題進(jìn)行了深入研究,取得的成果如下。 1.針對類多變量輸出誤差自回歸系統(tǒng),推導(dǎo)了其辨識模型。該辨識模型既包含了一個參數(shù)矩陣,又包含了一個參數(shù)向量,這是辨識的困難所在。利用基于分解的遞階辨識原理,推導(dǎo)了這類多變量系統(tǒng)的遞階廣義最小二乘辨識算法和遞階最小二乘迭代辨識算法。仿真結(jié)果驗證了提出算法的有效性。 2.針對類多變量輸出誤差滑動平均系統(tǒng),提出了這類系統(tǒng)的遞階最小二乘迭代辨識算法和遞階梯度迭代辨識算法。仿真結(jié)果表明,梯度迭代辨識算法計算量小,但收斂速度比最小二乘迭代辨識算法慢。 3.針對類多變量自回歸滑動平均系統(tǒng),提出了相應(yīng)的遞階最小二乘迭代辨識算法和遞階梯度迭代辨識算法,類多變量輸出誤差自回歸系統(tǒng)和類多變量輸出誤差滑動平均系統(tǒng)可以看成是類多變量自回歸滑動平均系統(tǒng)的簡化形式,因而對其算法的推導(dǎo)更具有普遍性。最后用仿真結(jié)果驗證了提出算法的有效性。 綜上所述,論文推導(dǎo)和研究類多變量輸出誤差類系統(tǒng)的幾種辨識算法,利用Matlab研究了一些仿真例子,結(jié)果說明提出的方法能夠有效地辨識多變量系統(tǒng)地參數(shù)。論文的最后對該領(lǐng)域所面臨的困難和一些問題做了簡單的介紹。如系統(tǒng)辨識理論在醫(yī)學(xué),社會,微觀或宏觀經(jīng)濟(jì)的應(yīng)用。
【學(xué)位單位】：江南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2011
【中圖分類】：N945.14;O212.1
【部分圖文】：

圖2.4不同/，、仁)下的估計誤差占(L=2000，尹=1.0滬FigZ， 4Theesti， natiorlerrors占*l、sus左 withdi頭rent滬‘、(t)(L=2000，二2=1.002)如表2.1和圖2.4，戶一1是最好的選擇，所以我們選擇時變收斂因子戶、=1，不同數(shù)據(jù)長度下的仿真例子如表2.2和圖2.5所示，而不同零均值方差下的仿真例子如表2.3和圖2.6所示。表2.2不同數(shù)據(jù)長度下的估計誤差占(尹=3.00“.趙、一1.00)Tal〕 .2.2TheHLSIestimationer，·()1·s占ver、飛 15kwithdifferentL(aZ=3.002，拜、=1.0()) LkQl10()012520001253()0012真值一 0.12380一 0.35451一 0.34761一 0.11671一 0.38475一 0.36746一〔 ).11274一 0.34060一 0.33264一 0.35000Ql(1，1)1

4Theesti， natiorlerrors占*l、sus左 withdi頭rent滬‘、(t)(L=2000，二2=1.002)如表2.1和圖2.4，戶一1是最好的選擇，所以我們選擇時變收斂因子戶、=1，不同數(shù)據(jù)長度下的仿真例子如表2.2和圖2.5所示，而不同零均值方差下的仿真例子如表2.3和圖2.6所示。表2.2不同數(shù)據(jù)長度下的估計誤差占(尹=3.00“.趙、一1.00)Tal〕 .2.2TheHLSIestimationer，·()1·s占ver、飛 15kwithdifferentL(aZ=3.002，拜、=1.0()) LkQl10()012520001253()0012真值一 0.12380一 0.35451一 0.34761一 0.11671一 0.38475一 0.36746一〔 ).11274一 0.34060一 0.33264一 0.35000Ql(1，1)1，90468 1.94395 1.93305 1.93085 1.92654 1.93667 1.98414 1.98203 1.98513 2.00000 Ql(1.2) 0.94958 0.90531 0.96246 0.94367().949()8 0.94918 0.97255 0.96309 0.97168 1.00000Q:(2，1) 1.00047 0.95706 0.98502 0.99659 1.00557 0.978051.()7058 1.06796 1.043251.()0000Q:(2，2)193046 1

4Theesti， natiorlerrors占*l、sus左 withdi頭rent滬‘、(t)(L=2000，二2=1.002)如表2.1和圖2.4，戶一1是最好的選擇，所以我們選擇時變收斂因子戶、=1，不同數(shù)據(jù)長度下的仿真例子如表2.2和圖2.5所示，而不同零均值方差下的仿真例子如表2.3和圖2.6所示。表2.2不同數(shù)據(jù)長度下的估計誤差占(尹=3.00“.趙、一1.00)Tal〕 .2.2TheHLSIestimationer，·()1·s占ver、飛 15kwithdifferentL(aZ=3.002，拜、=1.0()) LkQl10()012520001253()0012真值一 0.12380一 0.35451一 0.34761一 0.11671一 0.38475一 0.36746一〔 ).11274一 0.34060一 0.33264一 0.35000Ql(1，1)1，90468 1.94395 1.93305 1.93085 1.92654 1.93667 1.98414 1.98203 1.98513 2.00000 Ql(1.2) 0.94958 0.90531 0.96246 0.94367().949()8 0.94918 0.97255 0.96309 0.97168 1.00000Q:(2，1) 1.00047 0.95706 0.98502 0.99659 1.00557 0.978051.()7058 1.06796 1.043251.()0000Q:(2，2)193046 1.97594 1
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘立登;多變量系統(tǒng)子子模型辨識[J];北京化工學(xué)院學(xué)報(自然科學(xué)版);1988年04期

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

3 丁鋒,蕭德云;多變量系統(tǒng)狀態(tài)空間模型的遞階辨識[J];控制與決策;2005年08期

4 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

5 丁鋒,謝新民,方崇智;時變系統(tǒng)辨識的多新息方法[J];自動化學(xué)報;1996年01期

6 丁鋒,楊家本;大系統(tǒng)的遞階辨識[J];自動化學(xué)報;1999年05期

7 丁鋒;;基于輸出估計的多輸入系統(tǒng)隨機(jī)梯度估計算法[J];南京信息工程大學(xué)學(xué)報(自然科學(xué)版);2010年06期

8 丁鋒;;系統(tǒng)辨識(1):辨識導(dǎo)引[J];南京信息工程大學(xué)學(xué)報(自然科學(xué)版);2011年01期

9 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(xué)學(xué)報(自然科學(xué)版);2011年02期

10 王新;呂劍虹;向文國;;一種改進(jìn)的子空間辨識方法在熱工過程中的應(yīng)用[J];中國電機(jī)工程學(xué)報;2010年32期

本文編號：2875782