多變量系統(tǒng)辨識方法的研究

《多變量系統(tǒng)辨識方法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、哈爾濱理工大學(xué)學(xué)士學(xué)位論文多變量系統(tǒng)辨識方法的研究摘要近些年來，由于現(xiàn)代控制理論的發(fā)展，狀態(tài)空間模型的研究越來越受到人們的重視。隨著控制系統(tǒng)的大型化，復(fù)雜化，系統(tǒng)化，對控制的要求越來越高，這就要求系統(tǒng)模型的準(zhǔn)確性高，對系統(tǒng)模型的辨識中參數(shù)估計精度的要求也隨之提高。經(jīng)典的系統(tǒng)辨識方法存在著一定的局限性和不足，尤其對于多變量系統(tǒng)來說，經(jīng)典的辨識方法得不到很好的辨識效果，達(dá)不到控制的要求。所以有必要研究多變量系統(tǒng)辨識方法來適應(yīng)現(xiàn)代工業(yè)系統(tǒng)的發(fā)展。本文主要研究了多變量系統(tǒng)辨識基于自回歸滑動平均模型(ARMA)參數(shù)估計算法。首先研究了系統(tǒng)的辨識的最小二乘法的單變量

2、和多變量參數(shù)估計方法，并指出它存在著一定的局限性和不足，尤其對于帶有耦合白噪聲的系統(tǒng)來說，經(jīng)典的辨識方法得到的估值不再是無偏一致估計。其次研究了遞推增廣最小二乘法的單變量和多變量參數(shù)估計方法，并指出該算法由于在辨識過程中采用耦合白噪聲估值，所以存在參數(shù)估值的精確度不高，且收斂速度慢等問題。最后提出了多變量兩段遞推最小二乘-遞推增廣最小二乘算法。該算法分兩步進(jìn)行辨識，第一步基于多變量遞推最小二乘法擬合高階多變量自回歸AR模型得到的白噪聲估值，第二步利用所得到的白噪聲估值和多變量遞推增廣最小二乘法得到模型參數(shù)估值。新算法提高了參數(shù)估計的精度，并且通過仿真實驗

3、證實了該方法的有效性。關(guān)鍵詞　多變量；系統(tǒng)辨識；參數(shù)估計；最小二乘法；兩段RLS-RELS法-III-哈爾濱理工大學(xué)學(xué)士學(xué)位論文ResearchonthemethodofmultivariablesystemidentificationAbstractRecentyear,asaresultofthemoderncontroltheorydevelopment,thestatespacemodelresearchmoreandmoreisvaluedpeople's.Alongwiththecontrolsystemlargescale,thecompl

4、ication,thesystematization,ismoreandmorehightothecontrolrequest,thisrequestsystemmodelaccuracyishigh,tosystemmodelidentificationinparameterestimationprecisionrequestalsoalongwithitenhancement.Theclassicalsystemidentificationmethodhascertainlimitationandtheinsufficiency,especially

5、regardingthemany-variablesystem,theclassicalidentificationmethodcannotobtaintheverygoodidentificationeffect,cannotachievethecontroltherequest.Thereforehastheessentialresearchmany-variablesystemidentificationmethodtoadaptthemodernindustrysystemdevelopment.Thisarticlemainlyintroduc

6、edandstudiedthemany-variablesystemidentificationbasedontobesmallestfromthereturnrunningmeanmodel(ARMA)parameterestimationonlinetwosectionsofrecursiontworides-therecursiontoaugmentslightlytworidesthe(RLS-RELS)algorithm.First,thoroughlyhasstudiedthemany-variablesystemidentification

7、theoryandthemethod,haswithemphasisstudiedthesystemidentificationclassicalalgorithm:Smallesttworidesthealgorithmandtherecursionandtherecursionaugmentsslightlytworidesthealgorithm,understandsitsmeritandtheinsufficiencythroughthesimulationexperiment,becauseithastheparameterestimatio

8、nprecisionnottobehigh,parameterestimatio