辅助模型递推辨识方法及收敛性

发布时间：2025-06-24 05:01

　　尽管实际工业系统中存在许多可测变量,但也经常出现一些变量不可得到的情况.论文利用辅助模型来估算这些不可测变量,研究一类存在未知变量的多变量输出误差系统的辅助模型递推辨识算法及其收敛性问题.选题具有理论意义和学术价值,主要工作如下.(1)针对白噪声干扰下的多元输出误差系统,运用辅助模型辨识思想,分别推导了基于分解的辅助模型随机梯度算法和辅助模型最小二乘算法,借助于随机鞅理论分析了算法的收敛性问题.进一步,当多元输出误差系统的干扰噪声为有色噪声时,通过引入线性滤波器对输入输出数据进行预处理,提出了基于滤波技术的辅助模型递推辨识算法,减少有色噪声对系统参数估计结果的干扰,提高了估计算法的精度.(2)针对类多变量Box-Jenkins系统,研究了基于辅助模型的递阶随机梯度算法和基于辅助模型的递阶最小二乘算法,避免了冗余参数的估计问题,提高了参数估计效率,并从理论上分析了算法的收敛性问题.为了获得更高精度的参数估计结果,通过构造滤波器,将系统的有色干扰噪声转化为白色干扰噪声,在滤波模型的基础上,提出了基于滤波技术的辅助模型递阶随机梯度辨识算法和最小二乘辨识算法.(3)针对具有已知基函数的非线性类多...

【文章页数】：116 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 问题提出和研究意义
    1.2 国内外研究现状
        1.2.1 辅助模型辨识思想
        1.2.2 多变量系统的辨识综述
        1.2.3 递推辨识算法收敛性分析综述
    1.3 本文主要研究内容简介
第二章 多元输出误差系统的辅助模型递推辨识方法及收敛性
    2.1 引言
    2.2 系统描述与模型辨识
    2.3 基于分解的辅助模型随机梯度辨识算法及收敛性
    2.4 基于分解的辅助模型递推最小二乘辨识算法及收敛性
    2.5 基于滤波技术的辅助模型随机梯度辨识算法
    2.6 基于滤波技术的辅助模型递推最小二乘辨识算法
    2.7 小结
第三章 类多变量输出误差系统的辅助模型辨识方法及收敛性
    3.1 引言
    3.2 系统描述和模型辨识
    3.3 基于辅助模型的递阶随机梯度辨识算法及收敛性
    3.4 基于滤波技术的辅助模型递阶随机梯度辨识算法
    3.5 基于辅助模型的递阶最小二乘辨识算法及收敛性
    3.6 基于滤波技术的辅助模型递阶最小二乘辨识算法
    3.7 小结
第四章 非线性类多变量输出误差系统的辅助模型辨识方法
    4.1 引言
    4.2 非线性类多变量输出误差滑动平均系统
        4.2.1 辨识模型描述
        4.2.2 基于辅助模型的递阶增广随机梯度辨识算法
        4.2.3 基于辅助模型的递阶增广最小二乘辨识算法
    4.3 非线性类多变量Box-Jenkins系统
        4.3.1 辨识模型描述
        4.3.2 基于辅助模型的递阶广义增广随机梯度辨识算法
        4.3.3 基于辅助模型的递阶广义增广最小二乘辨识算法
    4.4 小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
附录:攻读博士学位期间发表的论文



本文编号：4052528