增廣最小二乘限定記憶參數(shù)估計算法與仿真研究及基于CAN總線的汽車電子產(chǎn)品檢測平臺設(shè)計.pdf

1、最小二乘辨識是一種經(jīng)典的參數(shù)估計方法，成為估計理論的奠基石。由于最小二乘法簡單、實用，遞推算法收斂可靠，從而得到廣泛應(yīng)用。但當(dāng)模型噪聲是有色噪聲時，最小二乘參數(shù)估計不是無偏估計，且隨著數(shù)據(jù)的增長，最小二乘遞推辨識算法將出現(xiàn)數(shù)據(jù)飽和現(xiàn)象，以致遞推算法慢慢失去修正的能力。本部分在增廣最小二乘遞推算法(RELS)的基礎(chǔ)上引入限定記憶方式，獲得了增廣最小二乘限定記憶參數(shù)估計遞推算法(RFMELS)，解決了最小二乘算法在有色噪聲下不是無偏估計和數(shù)

2、據(jù)飽和問題，提高了系統(tǒng)辨識的有效性和快速性。在MATLAB環(huán)境下仿真，并將仿真結(jié)果與增廣最小二乘算法進行了比較，其結(jié)果表明了RFMELS算法的優(yōu)越性。 基于CAN總線的汽車電子產(chǎn)品檢測平臺設(shè)計 汽車電子技術(shù)的發(fā)展對汽車電子產(chǎn)品質(zhì)量的要求越來越高，而電路板的故障檢測是汽車電子生產(chǎn)的重要環(huán)節(jié)。采用傳統(tǒng)的檢測硬件電路是否正確的方法已無法探明該類電路板的功能是否正常。本部分設(shè)計了一種基于CAN總線的汽車電子產(chǎn)品電路板的故障自動檢