一類維納非線性系統(tǒng)辨識（Ⅰ）.pdf

1、論文以國家自然科學基金項目《一類非線性系統(tǒng)辨識建模理論與方法的研究》為背景，擬定了輸出非線性系統(tǒng)(即Wiener非線性系統(tǒng))辨識方法研究課題，選題屬于應用基礎研究，具有理論意義和學術價值。作者在查閱了相關文獻的基礎上，對白噪聲和有色噪聲干擾的輸出非線性系統(tǒng)辨識問題進行了深入研究，并對提出的部分參數(shù)辨識方法收斂性進行了分析，取得了下列研究成果。 1.介紹了Wiener輸出非線性系統(tǒng)的幾種模型結構。針對白噪聲干擾Wiener非線性模型，研究

2、了相應的遞推最小二乘辨識算法和隨機梯度辨識算法。由于非線性系統(tǒng)辨識模型參數(shù)向量包含了線性部分與非線性部分參數(shù)的乘積，所以針對獲得的參數(shù)估計，研究了分離原系統(tǒng)參數(shù)估計值的三種方法：平均方法、排列組合方法、奇異值分解方法，并通過仿真例子進行了比較分析。 2.針對Wiener非線性ARMAX系統(tǒng)，即系統(tǒng)的干擾噪聲為滑動平均模型的輸出非線性系統(tǒng)，辨識的困難是辨識模型信息向量中包含不可測噪聲項，利用估計殘差代替這個不可測噪聲項，研究了Wiener

3、非線性系統(tǒng)的最小二乘迭代法辨識算法，并給出相應的遞推增廣最小二乘辨識算法和增廣隨機梯度辨識算法，進行了計算機仿真來說提出方法能給出高精度的參數(shù)估計。 3.針對Wiener非線性動態(tài)調節(jié)模型系統(tǒng)，即系統(tǒng)的干擾噪聲為自回歸模型的輸出非線性系統(tǒng)，研究了相應的廣義最小二乘迭代算法、遞推廣義最小二乘算法以及廣義隨機梯度算法，由于廣義隨機梯度算法的收斂速度比較慢，因此引進遺忘因子來改善其收斂性能，也用例子比較了這幾個算法參數(shù)估計精度和收斂速度。 4