一類維納非線性系統(tǒng)辨識(shí)（Ⅰ）.pdf

1、論文以國(guó)家自然科學(xué)基金項(xiàng)目《一類非線性系統(tǒng)辨識(shí)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(shí)方法研究課題，選題屬于應(yīng)用基礎(chǔ)研究，具有理論意義和學(xué)術(shù)價(jià)值。作者在查閱了相關(guān)文獻(xiàn)的基礎(chǔ)上，對(duì)白噪聲和有色噪聲干擾的輸出非線性系統(tǒng)辨識(shí)問(wèn)題進(jìn)行了深入研究，并對(duì)提出的部分參數(shù)辨識(shí)方法收斂性進(jìn)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(jié)構(gòu)。針對(duì)白噪聲干擾Wiener非線性模型，研究

2、了相應(yīng)的遞推最小二乘辨識(shí)算法和隨機(jī)梯度辨識(shí)算法。由于非線性系統(tǒng)辨識(shí)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(duì)獲得的參數(shù)估計(jì)，研究了分離原系統(tǒng)參數(shù)估計(jì)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(guò)仿真例子進(jìn)行了比較分析。 2.針對(duì)Wiener非線性ARMAX系統(tǒng)，即系統(tǒng)的干擾噪聲為滑動(dòng)平均模型的輸出非線性系統(tǒng)，辨識(shí)的困難是辨識(shí)模型信息向量中包含不可測(cè)噪聲項(xiàng)，利用估計(jì)殘差代替這個(gè)不可測(cè)噪聲項(xiàng)，研究了Wiener

3、非線性系統(tǒng)的最小二乘迭代法辨識(shí)算法，并給出相應(yīng)的遞推增廣最小二乘辨識(shí)算法和增廣隨機(jī)梯度辨識(shí)算法，進(jìn)行了計(jì)算機(jī)仿真來(lái)說(shuō)提出方法能給出高精度的參數(shù)估計(jì)。 3.針對(duì)Wiener非線性動(dòng)態(tài)調(diào)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(yīng)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(jī)梯度算法，由于廣義隨機(jī)梯度算法的收斂速度比較慢，因此引進(jìn)遺忘因子來(lái)改善其收斂性能，也用例子比較了這幾個(gè)算法參數(shù)估計(jì)精度和收斂速度。 4