線性系統(tǒng)盲辨識(shí)方法的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩98頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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、本文是以國(guó)家自然科學(xué)基金面上項(xiàng)目《一類(lèi)非線性系統(tǒng)辨識(shí)建模理論與方法的研究》為背景展開(kāi)的。作者在查閱了大量的相關(guān)文獻(xiàn)資料的基礎(chǔ)上,就如何只利用系統(tǒng)輸出數(shù)據(jù)而不直接使用系統(tǒng)輸入數(shù)據(jù)估計(jì)系統(tǒng)參數(shù),即所謂的系統(tǒng)盲辨識(shí)問(wèn)題進(jìn)行了深入的研究,取得了以下主要成果。 1.研究線性確定性系統(tǒng)的盲辨識(shí)問(wèn)題,從模型規(guī)范化和輸入信號(hào)規(guī)范化兩方面入手,得出了系統(tǒng)可辨識(shí)性的條件。在此基礎(chǔ)上,借助于人們熟悉的最小二乘辨識(shí)方法、隨機(jī)梯度辨識(shí)方法、多新息辨識(shí)方法、投影辨

2、識(shí)算法的基本原理,推導(dǎo)出了基于最小二乘迭代的多新息盲辨識(shí)方法、基于隨機(jī)梯度迭代的的多新息盲辨識(shí)方法以及基于投影算法的盲辨識(shí)方法,給出了相應(yīng)的仿真例子,結(jié)合理論推導(dǎo)過(guò)程和仿真結(jié)果分析比較了各種算法的性能特點(diǎn),也驗(yàn)證了所提算法的有效性。 2.利用輸出比輸入快速采樣方法研究隨機(jī)系統(tǒng)的盲辨識(shí)問(wèn)題,針對(duì)系統(tǒng)的輸入是基于兩種變換方案(一種是脈沖不變變換,另一種是階躍不變變換)得到的慢采樣信號(hào),通過(guò)對(duì)模型參數(shù)或者輸入信號(hào)兩者其一進(jìn)行規(guī)范化處理,利用最

3、小二乘基本原理,分別推導(dǎo)出了兩種規(guī)范化之后不同采樣方案下隨機(jī)系統(tǒng)的最小二乘盲辨識(shí)方法,并給出了相應(yīng)的隨機(jī)梯度盲辨識(shí)算法予以比較。所給方法僅僅利用系統(tǒng)的快采樣輸出數(shù)據(jù)而不依賴(lài)系統(tǒng)的實(shí)際輸入信號(hào)即可獲得模型參數(shù)的辨識(shí),辨識(shí)的精度也較高,這在其后的仿真例子中得到了證實(shí)。 3.借助輔助變量辨識(shí)方法思想研究單輸入多輸出隨機(jī)系統(tǒng)的盲辨識(shí),通過(guò)假設(shè)各個(gè)子系統(tǒng)模型傳遞函數(shù)互質(zhì),提出了輔助變量最小二乘盲辨識(shí)方法。該方法的關(guān)鍵就是選擇適當(dāng)?shù)妮o助變量構(gòu)造輔助

4、矩陣。在傳統(tǒng)系統(tǒng)辨識(shí)中,假設(shè)輸入信號(hào)已知,輔助向量或輔助矩陣一般是通過(guò)系統(tǒng)輸入構(gòu)造的。然而對(duì)于盲辨識(shí),系統(tǒng)輸入未知,輔助矩陣的選擇就成了難題。本文聯(lián)立其中兩個(gè)子系統(tǒng)提取待辨識(shí)模型,利用另外一個(gè)子系統(tǒng)的輸出巧妙地構(gòu)造出了輔助矩陣,成功地實(shí)現(xiàn)了系統(tǒng)參數(shù)無(wú)偏估計(jì)。本文還給出了該算法的遞推形式,并進(jìn)行了收斂性分析和仿真例子驗(yàn)證。 4.針對(duì)各個(gè)子系統(tǒng)互質(zhì)的單輸入多輸出隨機(jī)系統(tǒng),提出了另一種形式的輔助變量盲辨識(shí)方法-廣義Yule-Walker盲辨識(shí)

5、方法。此方法的核心思想是利用系統(tǒng)輸入輸出數(shù)據(jù)的自相關(guān)函數(shù)及互相關(guān)函數(shù)來(lái)估計(jì)系統(tǒng)參數(shù)。然而對(duì)于輸入信號(hào)不可測(cè)的盲辨識(shí)來(lái)說(shuō),要計(jì)算涉及系統(tǒng)輸入信號(hào)的各種相關(guān)函數(shù)是不可能的。此處聯(lián)立任意兩個(gè)子系統(tǒng)獲得不含輸入信號(hào)的待辨識(shí)模型,找出了系統(tǒng)輸出相關(guān)函數(shù)與模型參數(shù)關(guān)系,從而避開(kāi)了輸入信號(hào)的相關(guān)函數(shù)的計(jì)算,利用最小二乘方法順利地辨識(shí)出了系統(tǒng)模型的參數(shù)。從仿真例子的結(jié)果來(lái)看,所提盲辨識(shí)方法的辨識(shí)效果不錯(cuò)。 作為一種建立在系統(tǒng)輸出數(shù)據(jù)的基礎(chǔ)上,不

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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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

評(píng)論

0/150

提交評(píng)論