版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、利用系統(tǒng)辨識(shí)方法建立對(duì)象數(shù)學(xué)模型是進(jìn)行系統(tǒng)分析、設(shè)計(jì)和優(yōu)化的前提,系統(tǒng)辨識(shí)在理論和工程方面都存在諸多有待解決的問(wèn)題。本文開(kāi)展了狀態(tài)空間模型的辨識(shí)方法研究,論文的主要工作和創(chuàng)新點(diǎn)如下:
(1)提出了線性狀態(tài)空間系統(tǒng)的基于梯度優(yōu)化的參數(shù)估計(jì)方法。首先,基于狀態(tài)空間系統(tǒng)相似變換分析,給出了在觀測(cè)等價(jià)類的相切平面正交子空間確定參數(shù)搜索方向的正交梯度方法,不僅能防止參數(shù)陷入局部極小值,還可以降低算法復(fù)雜度。然后,提出了能控能觀的動(dòng)態(tài)
2、系統(tǒng)參數(shù)的遞階辨識(shí)方法。同時(shí)探討了算法復(fù)雜度與系統(tǒng)的能控性、能觀測(cè)性的內(nèi)在聯(lián)系。最后進(jìn)行了狀態(tài)空間系統(tǒng)的蒙特-卡羅數(shù)值仿真試驗(yàn),結(jié)果表明提出的方法用于線性系統(tǒng)的參數(shù)估計(jì)是有效的。
(2)提出了狀態(tài)空間雙線性系統(tǒng)基于投影梯度搜索的預(yù)報(bào)誤差辨識(shí)方法。通過(guò)極小化輸出預(yù)報(bào)誤差而獲得系統(tǒng)的參數(shù)估計(jì)。為解決全參數(shù)化引起的狀態(tài)空間模型描述非唯一性問(wèn)題,提出了在觀測(cè)等價(jià)類相切面投影子空間更新系統(tǒng)參數(shù)的方法。給出了融合預(yù)報(bào)誤差局部線性逼近性
3、能的正則化因子自適應(yīng)調(diào)整方法。探討了算法復(fù)雜度與雙線性模型子系統(tǒng)的能控性、能觀測(cè)性的內(nèi)在聯(lián)系,給出了算法收斂速度的解析表達(dá)式。最后進(jìn)行了稀土萃取過(guò)程的建模與輸出預(yù)報(bào)試驗(yàn),結(jié)果說(shuō)明了所提出方法的有效性。
(3)利用分段線性化的思想,提出了加權(quán)狀態(tài)空間模型參數(shù)的正交梯度辨識(shí)方法,適用于非線性動(dòng)態(tài)系統(tǒng)的建模。通過(guò)極小化系統(tǒng)輸出預(yù)報(bào)誤差而得到系統(tǒng)參數(shù)估計(jì)。采用徑向基函數(shù)作為分狀態(tài)的加權(quán)系數(shù),給出了融合觀測(cè)等價(jià)類信息的系統(tǒng)參數(shù)的正交
4、梯度計(jì)算方法,同時(shí)獲得了徑向基函數(shù)參數(shù)梯度的遞推計(jì)算方法,在此基礎(chǔ)上,給出了系統(tǒng)參數(shù)的迭代辨識(shí)算法。揭示了加權(quán)狀態(tài)空間模型各個(gè)子系統(tǒng)的能控性和能觀測(cè)性對(duì)算法復(fù)雜度的影響機(jī)制。最后用提出的方法分別進(jìn)行了非線性動(dòng)態(tài)系統(tǒng)的建模以及預(yù)測(cè)的仿真試驗(yàn),結(jié)果說(shuō)明了提出的方法用于非線性動(dòng)態(tài)系統(tǒng)的建模是有效的。
(4)針對(duì)參考輸入已知、控制器信息未知的閉環(huán)狀態(tài)空間系統(tǒng),提出了一種基于輔助變量的子空間辨識(shí)方法。針對(duì)辨識(shí)問(wèn)題特點(diǎn)構(gòu)造了輔助變量,
5、通過(guò)將輸入-輸出數(shù)據(jù)塊進(jìn)行投影運(yùn)算,而估計(jì)出系統(tǒng)擴(kuò)展觀測(cè)矩陣的正交補(bǔ)空間,結(jié)合SVD分解方法獲得了系統(tǒng)擴(kuò)展觀測(cè)矩陣與下三角Toeplitz矩陣的估計(jì)。給出了系統(tǒng)參數(shù)的估計(jì)方法。閉環(huán)動(dòng)態(tài)系統(tǒng)的仿真試驗(yàn)結(jié)果說(shuō)明提出的子空間辨識(shí)方法是有效性。
(5)基于期望極大原理提出了觀測(cè)輸出數(shù)據(jù)含有狀態(tài)缺失的動(dòng)態(tài)系統(tǒng)參數(shù)辨識(shí)方法。在期望極大算法框架下,給出了融合狀態(tài)缺失信息的聯(lián)合條件期望解析式,得到了極大化聯(lián)合條件期望的系統(tǒng)參數(shù)計(jì)算方法,基
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 狀態(tài)空間模型辨識(shí)方法研究.pdf
- 飛行器狀態(tài)空間模型參數(shù)在線辨識(shí)方法.pdf
- 基于狀態(tài)空間模型的非均勻采樣系統(tǒng)的辨識(shí)方法研究.pdf
- 高爐煉鐵的狀態(tài)空間模型辨識(shí)與迭代學(xué)習(xí)控制.pdf
- 狀態(tài)空間系統(tǒng)辨識(shí)定階問(wèn)題研究.pdf
- 基于狀態(tài)空間模型的復(fù)雜動(dòng)態(tài)過(guò)程監(jiān)測(cè)方法研究.pdf
- 高速列車子空間模型辨識(shí)與預(yù)測(cè)控制方法.pdf
- 基于狀態(tài)空間模型的金融時(shí)間序列預(yù)測(cè)方法.pdf
- 風(fēng)電機(jī)組狀態(tài)異常辨識(shí)廣義模型與運(yùn)行風(fēng)險(xiǎn)評(píng)估方法研究.pdf
- Hammerstein OEMA模型辨識(shí)方法研究.pdf
- 高速列車動(dòng)態(tài)模型辨識(shí)方法研究.pdf
- 振動(dòng)篩振動(dòng)異常狀態(tài)辨識(shí)方法研究.pdf
- 多維Roesser狀態(tài)空間模型的精確降階方法的研究.pdf
- 基于子空間理論的動(dòng)力定位船舶模型辨識(shí)及控制方法研究.pdf
- 基于改進(jìn)HMM的駕駛疲勞狀態(tài)辨識(shí)方法研究.pdf
- 潛油電泵機(jī)組狀態(tài)監(jiān)測(cè)與辨識(shí)方法研究.pdf
- 摩擦學(xué)系統(tǒng)狀態(tài)辨識(shí)的知識(shí)獲取方法研究.pdf
- 狀態(tài)空間模型對(duì)SCD模型的估計(jì).pdf
- 高速動(dòng)車組的模型辨識(shí)與狀態(tài)估計(jì).pdf
- 時(shí)變系統(tǒng)模型辨識(shí)方法的研究.pdf
評(píng)論
0/150
提交評(píng)論