方程誤差類模型的限定記憶加權(quán)辨識.pdf

1、系統(tǒng)辨識是通過系統(tǒng)輸入輸出數(shù)據(jù)確定系統(tǒng)數(shù)學(xué)模型的技術(shù)。很多實(shí)際系統(tǒng)的參數(shù)是隨時間變化的,故對參數(shù)時變系統(tǒng)的辨識研究具有重要意義。本文針對參數(shù)時變的方程誤差模型、方程誤差滑動平均模型、方程誤差自回歸模型和方程誤差自回歸滑動平均模型四類方程誤差類模型提出了兩種限定記憶的加權(quán)辨識方法。主要研究結(jié)果如下:
　　1)針對方程誤差模型提出了I型和II型限定記憶加權(quán)辨識算法。其中I型算法通過引入中間項(xiàng)來建立相鄰兩個時刻參數(shù)估計的關(guān)系,II型算法

2、直接建立相鄰兩個時刻參數(shù)估計的關(guān)系。
　　2)引入常數(shù)加權(quán)、指數(shù)函數(shù)加權(quán)和線性函數(shù)加權(quán)三種加權(quán)方法。通過比較顯示,指數(shù)函數(shù)加權(quán)與常數(shù)加權(quán)相比可以更好的保留系統(tǒng)實(shí)時信息,指數(shù)函數(shù)加權(quán)和線性函數(shù)加權(quán)在一定范圍內(nèi)可以相互替代。
　　3)以兩種基本的限定記憶加權(quán)辨識算法為基礎(chǔ)進(jìn)一步推導(dǎo)出了適用于方程誤差滑動平均模型、方程誤差自回歸模型、方程誤差自回歸滑動平均模型的限定記憶加權(quán)辨識算法。針對四種不同類型的時變參數(shù)對兩種算法進(jìn)行了數(shù)值仿