CARMA模型與輸出誤差模型迭代辨識.pdf

1、論文以國家自然科學(xué)基金項目《一類非線性系統(tǒng)辨識建模理論與方法的研究》為背景，開展了CARMA模型和輸出誤差模型參數(shù)辨識方面的研究.這兩種模型廣泛存在于工業(yè)生產(chǎn)過程中，因而其參數(shù)估計方法的研究一直受人關(guān)注，這一研究既具有重要的理論意義，又具有潛在的應(yīng)用價值.在查閱了相關(guān)文獻(xiàn)的基礎(chǔ)上，論文簡要回顧了系統(tǒng)辨識的歷史，綜述了相關(guān)參數(shù)估計方法，并對該課題進(jìn)行了深入研究，取得了如下成果。 1.提出了辨識CARMA模型的最小二乘迭代辨識算法和

2、隨機(jī)梯度迭代辨識算法，兩種迭代辨識方法在每步迭代計算過程中，同時使用系統(tǒng)可得的所有數(shù)據(jù)，以從數(shù)據(jù)中提取盡可能多的知識來提高參數(shù)估計精度。其基本思想是：采用交互估計理論和遞階辨識原理，在每一步的迭代計算中，參數(shù)估計依賴于噪聲估計，反過來噪聲估計通過前一次迭代的參數(shù)估計計算，這兩者執(zhí)行一個遞階計算過程。由于它充分使用了系統(tǒng)所有的可量測數(shù)據(jù)，因而相比遞推算法，能夠獲得更高的參數(shù)估計精度。 2.提出了辨識輸出誤差(OE：OutputEr

3、ror)模型的最小二乘迭代辨識算法和隨機(jī)梯度迭代辨識算法.輸出誤差模型是CARMA模型的一種特殊情形，盡管CARMA模型的最小二乘迭代算法和隨機(jī)梯度迭代辨識算法也可以應(yīng)用于OE模型的辨識，但要估計的參數(shù)數(shù)目比應(yīng)該估汁的多，為了避免此問題，論文提出了針對OE模型的迭代辨識算法，在每一步迭代計算中，參數(shù)估計依賴于系統(tǒng)內(nèi)部未知變量(不帶噪聲時的系統(tǒng)輸出)估計，反過來系統(tǒng)內(nèi)部未知變量的估計通過前一次迭代的參數(shù)估計計算。 3.將輸出誤差模

4、型最小二乘迭代辨識算法和隨機(jī)梯度迭代辨識算法推廣到了Hammerstein非線性輸出誤差模型，模型由一個非線性無記憶單元級聯(lián)一個輸出誤差模型構(gòu)成，通過令非線性單元首項系數(shù)為1，得到了唯一的參數(shù)估計。 4.將最小二乘迭代辨識算法應(yīng)用一類非均勻采樣多率系統(tǒng)上。建立了非均勻采樣多率系統(tǒng)的狀態(tài)空間模型，并根據(jù)傳遞函數(shù)模型與狀態(tài)空間模型之間的轉(zhuǎn)化關(guān)系，將狀態(tài)空間模型轉(zhuǎn)化成傳遞函數(shù)模型，最后利用輸出誤差模型迭代辨識算法辨識得到的傳遞函數(shù)模型