2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、系統(tǒng)辨識是一門利用測量數(shù)據(jù)建立系統(tǒng)數(shù)學(xué)模型的學(xué)科。特別是在控制科學(xué)中,系統(tǒng)辨識扮演著重要的角色。用于描述系統(tǒng)動態(tài)特性的模型既可以是離散時間模型,又可以是連續(xù)時間模型。由于計算機與數(shù)字化設(shè)備的普及,離散時間模型辨識占據(jù)了系統(tǒng)辨識研究的絕大部分。然而,物理界幾乎所有的系統(tǒng)都自然而然地可用連續(xù)時間模型來描述。另外,基于連續(xù)時間模型的辨識在某些情形下優(yōu)于離散時間模型,因此研究連續(xù)時間模型辨識是有意義的。分?jǐn)?shù)階系統(tǒng)是廣泛存在的,其模型是傳統(tǒng)整數(shù)階

2、模型的推廣,并且可以歸類為連續(xù)時間模型的一種。在分?jǐn)?shù)階模型的框架下研究一類問題更具有一般性。子空間方法是一種針對多輸入多輸出系統(tǒng)的辨識方法,擁有較好的數(shù)值穩(wěn)定性。大量子空間方法的研究集中在離散時間模型情形,但是考慮到連續(xù)時間模型的潛在優(yōu)點,基于連續(xù)時間模型的子空間方法是值得研究的。本文在連續(xù)時間模型的框架下,研究時域的子空間辨識問題。
  首先,本文通過引入核范數(shù)最小化優(yōu)化工具來消除輸出噪聲的影響。不同于輔助變量利用信號間的相關(guān)特

3、性來消除噪聲影響,本文為噪聲信號建立一個模型,然后構(gòu)建出一個核范數(shù)最小化的最優(yōu)化問題。核范數(shù)法無需考慮輔助變量的選擇問題,而是直接估計出噪聲信號信息,然后將其從觀測數(shù)據(jù)信息中移除。對比傳統(tǒng)的截斷法處理,核范數(shù)法能有效地消除測量噪聲影響。與前沿優(yōu)化方法的結(jié)合為連續(xù)時間模型子空間方法提供了新的思路。
  其次,本文給出了基于連續(xù)時間模型的遞推子空間方法,利用Givens旋轉(zhuǎn)變換和傳播算子法保證了算法的簡便性。提出了一種新的數(shù)據(jù)窗概念用

4、于保證數(shù)據(jù)的實時有效性,從而滿足在線估計的要求。同時,本文還給出一種基于分?jǐn)?shù)階微分的全新輔助變量設(shè)計方法,以及引入和不引入輔助變量的兩種遞推算法實現(xiàn)。在合理的參數(shù)設(shè)定下,兩種算法均能抑制噪聲干擾,并能有效地對系統(tǒng)特性進(jìn)行跟蹤。
  最后,本文在分?jǐn)?shù)階系統(tǒng)模型的一般框架下,研究一類基于非一致采樣數(shù)據(jù)的子空間辨識問題。第一步利用分?jǐn)?shù)階Laguerre生成函數(shù)對非一致數(shù)據(jù)進(jìn)行補全,第二步基于補全后的數(shù)據(jù)利用MOESP法進(jìn)行模型參數(shù)估計。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論