有色噪声干扰输出误差系统的偏差补偿递推最小二乘辨识方法

借助于偏差补偿原理和预滤波思想,推导了有色噪声干扰输出误差系统参数估计的偏差补偿递推最小二乘(Bias compensation recursive least squares,BCRLS)辨识方法.该方法降低了辨识对输入信号平稳性的要求,实现了偏差补偿方法参数估计的递推计算,可以用于在线辨识.提出的递推BCRLS辨识方法优于非递推偏差补偿最小二乘算法,提高了参数估计精度.仿真试验证实了算法的有效性.

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.

辅助模型辨识方法(1):自回归输出误差系统

研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-BoxJenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.

一类不规则损失输出数据系统的自校正PID控制算法

针对输出误差模型描述的不规则损失输出数据系统,提出一种自校正PID控制算法。首先结合辅助模型辨识思想和最小二乘原理设计参数估计器,在线估计系统参数,并设计一个损失输出估计器来估算采样间损失输出,使控制系统得到一个具有与期望输出相同采样周期的反馈信号;再根据系统参数的估计值实时调整自校正PID控制器参数,使系统实际输出跟踪期望输出,实现自校正PID控制。仿真结果验证了该算法的有效性。

一类线性MIMO离散系统的切换控制方法

提出一种针对线性MIMO离散系统的切换控制方法.该切换控制方法不仅利用了系统输出误差,而且利用了控制器的状态变量信息,使系统具有理想的动态响应特性.算法需要较少的被控对象信息,实时计算量小.仿真结果表明了该算法的有效性.

基于可分离组合式信号的Hammerstein 输出误差滑动平均系统辨识研究

考虑实际生产过程中的不可测噪声,提出一种基于可分离组合式信号的Hammerstein输出误差滑动平均系统辨识方法.通过可分离组合式信号源实现了Hammerstein输出误差滑动平均系统中静态非线性环节和动态线性环节的分离,解决了中间不可测变量的估计问题.基于辅助模型辨识思想和相关分析法估计Hammerstein输出误差滑动平均系统中静态非线性和动态线性环节的参数,避免了采用迭代法辨识Hammerstein模型时存在模型参数初始化和收敛性难以证明的问题,并有效补偿噪声信号的干扰.仿真结果验证了上述方法的有效性.

一种改进的Levenberg-Marquardt辨识算法

提出一种新的辨识算法对输出误差系统的参数进行辨识。运用Levenberg-Marquardt算法解决高斯牛顿法无法求逆的问题。一般算法中采用系统输出代替未知变量,但是系统输出中带有测量噪声会影响系统辨识算法的精度。为了解决这一问题,引入辅助模型思想,建立辅助模型,用辅助模型输出代替系统中的未知变量。带有固定遗忘因子的辨识算法,收敛速度较慢,预测精度较低。为了解决这一问题,引入基于预测误差的可变遗忘因子,加快算法的收敛速度,提高算法的预测精度。最后,通过仿真证明了本文算法的有效性。