多元系統(tǒng)耦合多新息隨機(jī)梯度類辨識(shí)方法.pdf

《多元系統(tǒng)耦合多新息隨機(jī)梯度類辨識(shí)方法.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、文章編號(hào)：1674．7070(2014)01—0001．16丁鋒，，汪菲菲多元系統(tǒng)耦合多新息隨機(jī)梯度類辨識(shí)方法摘要0引言針對(duì)多元線性回歸系統(tǒng)，利用耦合辨識(shí)概念和多新息辨識(shí)理論，討論了多輔助模型辨識(shí)思想、迭代搜索辨識(shí)原理、多新息辨識(shí)理論、遞階元隨機(jī)梯度算法、多元多新息隨機(jī)梯度辨識(shí)原理、耦合辨識(shí)概念是新近提出的辨識(shí)理念和辨識(shí)方法研究思算法，以及變遞推間隔多元多新息梯度算法，進(jìn)一步分解多元系統(tǒng)為一些子系想¨。，已在《南京信息工程大學(xué)學(xué)報(bào)》連載論文中進(jìn)行了討論。．本統(tǒng)，給出了耦合子系統(tǒng)隨機(jī)梯度算法、耦文將耦合辨識(shí)概念與多新息辨識(shí)理論相結(jié)合，研究多元系統(tǒng)的

2、辨識(shí)合隨機(jī)梯度算法、耦合子系統(tǒng)多新息隨問題．機(jī)梯度算法、耦合多新息隨機(jī)梯度算法，并將這些方法推廣到多元偽線性滑動(dòng)平耦合辨識(shí)概念是筆者提出的一種新的辨識(shí)理念，它主要被用于均系統(tǒng)和多元偽線性自回歸滑動(dòng)平均系研究各子系統(tǒng)間存在相同參數(shù)的多變量系統(tǒng)或多元系統(tǒng)的辨識(shí)問統(tǒng)．文中給出了幾個(gè)典型耦合隨機(jī)梯度題[1,10,14-15]，是實(shí)現(xiàn)子系統(tǒng)辨識(shí)方法間共同參數(shù)估計(jì)的連接而產(chǎn)生的算法、耦合多新息隨機(jī)梯度算法的計(jì)算步驟和示意圖．耦合辨識(shí)方法．它的研究對(duì)象可以是結(jié)構(gòu)復(fù)雜的參數(shù)耦合線性和非線關(guān)鍵詞性多變量系統(tǒng)，能夠減小參數(shù)耦合大規(guī)模多變量系統(tǒng)辨識(shí)算法的計(jì)參數(shù)估計(jì)；遞

3、推辨識(shí)；梯度搜索；最算量．耦合辨識(shí)方法分為部分參數(shù)耦合辨識(shí)方法和全部參數(shù)耦合辨識(shí)小二乘；輔助模型辨識(shí)思想；多新息辨識(shí)理論；遞階辨識(shí)原理；耦舍辨識(shí)概念；多方法，簡(jiǎn)稱為部分耦合辨識(shí)方法和全耦合辨識(shí)方法．全耦合辨識(shí)方法元系統(tǒng)有時(shí)也簡(jiǎn)稱為耦合辨識(shí)方法．耦合辨識(shí)概念可以與輔助模型辨識(shí)思想、多新息辨識(shí)理論、遞階辨識(shí)原理、迭代搜索原理、牛頓搜索原理等中圖分類號(hào)TP273文獻(xiàn)標(biāo)志碼A相結(jié)合，來(lái)研究線性或非線性多變量系統(tǒng)的耦合辨識(shí)問題．耦合辨識(shí)概念是2O余年前，筆者于1988年在清華大學(xué)攻讀碩士學(xué)位時(shí)，學(xué)習(xí)蕭德云教授講授的《過(guò)程辨識(shí)》16j中多變量線性過(guò)程的參數(shù)估

4、計(jì)方法時(shí)，受到具有公分母特征值多項(xiàng)式傳遞函數(shù)描述的多變量系統(tǒng)遞推最小二乘估計(jì)方法，以及子系統(tǒng)辨識(shí)方法的啟發(fā)(后來(lái)建立了遞階辨識(shí)原理，并提出了一系列遞階辨識(shí)方法_l)，經(jīng)過(guò)多年的思考和研究，提煉出多元系統(tǒng)辨識(shí)模型，在國(guó)際期刊《IEEETransactionsonAutomaticContro1)2010年第8期上發(fā)表論文“Partiallycoupledstochasticgradientidentificationmethodsfornon-uniformlysam-收稿日期2014一O1一O6資助項(xiàng)目國(guó)家自然科學(xué)基金(61273194)；江蘇省

5、piedsystems(非均勻采樣系統(tǒng)的部分參數(shù)耦合隨機(jī)梯度辨識(shí)方自然科學(xué)基金(BK2012549)；高等學(xué)校學(xué)科創(chuàng)新法)”_l后，逐步提煉和形成的．在此基礎(chǔ)上，撰寫了論文“Coupled引智“111計(jì)劃”(B12018)作者簡(jiǎn)介leastsquaresidentificationformuhivariablesystems(多變量系統(tǒng)的耦合丁鋒，男，博士，教授，博士生導(dǎo)師，主要從事最小二乘辨識(shí))”，發(fā)表在國(guó)際期刊《IETControlTheoryandApplica—系統(tǒng)辨識(shí)、過(guò)程建模、自適應(yīng)控制方面的研究．fding@iiangnan．edu

6、．cntions)2013年第1期上，并在《南京信息工程大學(xué)學(xué)報(bào)》連載出版了題為“系統(tǒng)辨識(shí)(8)：耦合辨識(shí)概念與方法”的論文l1．1江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院，無(wú)錫，2141222江南大學(xué)控制科學(xué)與工程研究中心，無(wú)錫，多新息辨識(shí)方法能改進(jìn)參數(shù)估計(jì)精度，通過(guò)擴(kuò)展辨識(shí)新息，即從214122標(biāo)量新息到新息向量，從向量新息到新息矩陣，是一種基于新息的辨3江南大學(xué)教育部輕T過(guò)程先進(jìn)控制重點(diǎn)實(shí)驗(yàn)室，無(wú)錫，214122識(shí)方法¨，絲引．根據(jù)多新息辨識(shí)理論，可以衍生出許多辨識(shí)方法，如多丁鋒，等．多元系統(tǒng)耦合多新息隨機(jī)梯度類辨識(shí)方法2DINGFeng，eta1．Coup

7、ledmulti—innovationstochasticgradienttypeidentificationmethodsformuhivariatesystems新息隨機(jī)梯度算法。、多新息最小二乘算法以regressivesystem)l’1。，】及多新息投影算法等，并且可以將它應(yīng)用到觀測(cè)器(t)=to(t)0+'，(t)，(1)設(shè)計(jì)和卡爾曼濾波，導(dǎo)出多新息觀測(cè)器和多新息卡其中Y(t)：=[Y．(t)，Y()，?，Y，()r∈R為m維爾曼濾波方法等，也同樣可以將它應(yīng)用于有色噪系統(tǒng)輸出向量，to()∈R是由系統(tǒng)輸入輸出數(shù)據(jù)聲十?dāng)_的方程誤差類系統(tǒng)

8、、輸出誤差類系統(tǒng)及非線構(gòu)成的回歸信息矩陣，0∈R是待辨識(shí)的系統(tǒng)參數(shù)性系統(tǒng)等¨]．向量，(t)：=[．(t)，(t)，?，(t)]∈R是零