连续时间线性系统递推最小二乘辩识的收敛性分析

本文针对多输入多输出的连续时间动态线性系统，在系统噪声相关的情形下，研究了递推最小二乘辩识，给出了保证最小二乘辩识强一致性的充分条件。

衰减激励条件下随机系统最小二乘的收敛性

利用随机过程理论 ,研究了随机系统最小二乘辨识算法在衰减激励条件下的均方收敛性 ,给出了参数估计误差收敛于零时 ,衰减指数应满足的条件 .得到了如下结论 :1 当衰减指数 ε 满足 0≤ε <1/ 2时 ,估计误差收敛于零 2 当ε=1/ 2时 ,估计误差有界 3 当ε>1/ 2 时 。

基于极点配置算法的温度自校正控制器

温度控制是工业生产过程中的常见问题,由于温度系统是一种慢时变的非线性系统,这就给温度的实时控制带来了一定的难度。为了解决这个问题,本论文设计了一种自校正控制方案,它把模型参数的在线辩识与控制器的在线设计有机结合在一起,参数辨识采用渐消记忆的递推最小二乘算法,而控制器采用极点配置算法。这就使得该控制系统不但能在线实时调整参数,并保证实际的闭环系统的零极点收敛于期望的零极点,达到较好控制效果。整个控制过程的算法比较简单,便于工程实现。该系统目前已经在软件和硬件上得以实现,无论是从仿真结果还是在实验室的试运行情况来看,该方案都取得了满意的效果。