时变参数遗忘梯度估计算法的收敛性

提出了时变随机系统的遗忘梯度辨识算法 ,并运用随机过程理论研究了算法的收敛性 .分析表明 ,遗忘梯度算法的性能类似于遗忘因子最小二乘法 ,可以跟踪时变参数 ,但计算量要小得多 ,且数据的平稳性可以减小参数估计误差上界和提高辨识精度 .阐述了最佳遗忘因子的选择方法 ,以获得最小参数估计上界 .对于确定性时不变系统 ,遗忘梯度算法是指数速度收敛的 ;对于时变或时不变随机系统 ,遗忘梯度算法的参数估计误差一致有上界 .

基于梯度算法的电液伺服振动台加速度谐波辨识

由于电液伺服振动台中的非线性因素,当系统作正弦加速度振动试验时,其响应信号中存在高次谐波,导致加速度信号失真。为了抑制谐波失真,准确辨识谐波信息,本文提出了基于遗忘因子梯度算法的谐波辨识方法。该方法由谐波发生器产生输入向量,将加速度响应实际值与辨识得到的加速度信号值作差,并用于构建准则函数。通过梯度算法不断更新参数向量,当准则函数取得极小值时,利用参数向量便可计算各次谐波的幅值和相位,也可直接计算得到各次谐波。实验结果表明:该谐波辨识方法具有良好的实时性和收敛性能,并具有较高的辨识精度。

一类自适应虚拟参考反馈校正法研究

针对线性未知时变系统控制器设计中离线虚拟参考反馈校正法的不足,提出了基于遗忘梯度算法的自适应虚拟参考反馈校正方法.首先,通过离线虚拟参考反馈校正法初始化控制器参数;然后,在系统运行过程中实时采集控制对象两端的输入/输出数据,构造滤波器及虚拟参考信号;最后,利用滤波数据在线辨识并实时更新控制器参数.对控制器参数收敛性进行了理论分析,并仿真验证了所提方法在控制对象特性改变情况下,具有良好的自适应性.