盡管實(shí)際工業(yè)系統(tǒng)中存在許多可測變量,但也經(jīng)常出現(xiàn)一些變量不可得到的情況.論文利用輔助模型來估算這些不可測變量,研究一類存在未知變量的多變量輸出誤差系統(tǒng)的輔助模型遞推辨識(shí)算法及其收斂性問題.選題具有理論意義和學(xué)術(shù)價(jià)值,主要工作如下.(1)針對白噪聲干擾下的多元輸出誤差系統(tǒng),運(yùn)用輔助模型辨識(shí)思想,分別推導(dǎo)了基于分解的輔助模型隨機(jī)梯度算法和輔助模型最小二乘算法,借助于隨機(jī)鞅理論分析了算法的收斂性問題.進(jìn)一步,當(dāng)多元輸出誤差系統(tǒng)的干擾噪聲為有色噪聲時(shí),通過引入線性濾波器對輸入輸出數(shù)據(jù)進(jìn)行預(yù)處理,提出了基于濾波技術(shù)的輔助模型遞推辨識(shí)算法,減少有色噪聲對系統(tǒng)參數(shù)估計(jì)結(jié)果的干擾,提高了估計(jì)算法的精度.(2)針對類多變量Box-Jenkins系統(tǒng),研究了基于輔助模型的遞階隨機(jī)梯度算法和基于輔助模型的遞階最小二乘算法,避免了冗余參數(shù)的估計(jì)問題,提高了參數(shù)估計(jì)效率,并從理論上分析了算法的收斂性問題.為了獲得更高精度的參數(shù)估計(jì)結(jié)果,通過構(gòu)造濾波器,將系統(tǒng)的有色干擾噪聲轉(zhuǎn)化為白色干擾噪聲,在濾波模型的基礎(chǔ)上,提出了基于濾波技術(shù)的輔助模型遞階隨機(jī)梯度辨識(shí)算法和最小二乘辨識(shí)算法.(3)針對具有已知基函數(shù)的非線性類多...

【文章頁數(shù)】：116 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問題提出和研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 輔助模型辨識(shí)思想
        1.2.2 多變量系統(tǒng)的辨識(shí)綜述
        1.2.3 遞推辨識(shí)算法收斂性分析綜述
    1.3 本文主要研究內(nèi)容簡介
第二章 多元輸出誤差系統(tǒng)的輔助模型遞推辨識(shí)方法及收斂性
    2.1 引言
    2.2 系統(tǒng)描述與模型辨識(shí)
    2.3 基于分解的輔助模型隨機(jī)梯度辨識(shí)算法及收斂性
    2.4 基于分解的輔助模型遞推最小二乘辨識(shí)算法及收斂性
    2.5 基于濾波技術(shù)的輔助模型隨機(jī)梯度辨識(shí)算法
    2.6 基于濾波技術(shù)的輔助模型遞推最小二乘辨識(shí)算法
    2.7 小結(jié)
第三章 類多變量輸出誤差系統(tǒng)的輔助模型辨識(shí)方法及收斂性
    3.1 引言
    3.2 系統(tǒng)描述和模型辨識(shí)
    3.3 基于輔助模型的遞階隨機(jī)梯度辨識(shí)算法及收斂性
    3.4 基于濾波技術(shù)的輔助模型遞階隨機(jī)梯度辨識(shí)算法
    3.5 基于輔助模型的遞階最小二乘辨識(shí)算法及收斂性
    3.6 基于濾波技術(shù)的輔助模型遞階最小二乘辨識(shí)算法
    3.7 小結(jié)
第四章 非線性類多變量輸出誤差系統(tǒng)的輔助模型辨識(shí)方法
    4.1 引言
    4.2 非線性類多變量輸出誤差滑動(dòng)平均系統(tǒng)
        4.2.1 辨識(shí)模型描述
        4.2.2 基于輔助模型的遞階增廣隨機(jī)梯度辨識(shí)算法
        4.2.3 基于輔助模型的遞階增廣最小二乘辨識(shí)算法
    4.3 非線性類多變量Box-Jenkins系統(tǒng)
        4.3.1 辨識(shí)模型描述
        4.3.2 基于輔助模型的遞階廣義增廣隨機(jī)梯度辨識(shí)算法
        4.3.3 基于輔助模型的遞階廣義增廣最小二乘辨識(shí)算法
    4.4 小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄:攻讀博士學(xué)位期間發(fā)表的論文



本文編號(hào)：4052528