多变量系统辨识方法的研究

《多变量系统辨识方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨理工大学学士学位论文多变量系统辨识方法的研究摘要近些年来，由于现代控制理论的发展，状态空间模型的研究越来越受到人们的重视。随着控制系统的大型化，复杂化，系统化，对控制的要求越来越高，这就要求系统模型的准确性高，对系统模型的辨识中参数估计精度的要求也随之提高。经典的系统辨识方法存在着一定的局限性和不足，尤其对于多变量系统来说，经典的辨识方法得不到很好的辨识效果，达不到控制的要求。所以有必要研究多变量系统辨识方法来适应现代工业系统的发展。本文主要研究了多变量系统辨识基于自回归滑动平均模型(ARMA)参数估计算法。首先研究了系统的辨识的最小二乘法的单变量

2、和多变量参数估计方法，并指出它存在着一定的局限性和不足，尤其对于带有耦合白噪声的系统来说，经典的辨识方法得到的估值不再是无偏一致估计。其次研究了递推增广最小二乘法的单变量和多变量参数估计方法，并指出该算法由于在辨识过程中采用耦合白噪声估值，所以存在参数估值的精确度不高，且收敛速度慢等问题。最后提出了多变量两段递推最小二乘-递推增广最小二乘算法。该算法分两步进行辨识，第一步基于多变量递推最小二乘法拟合高阶多变量自回归AR模型得到的白噪声估值，第二步利用所得到的白噪声估值和多变量递推增广最小二乘法得到模型参数估值。新算法提高了参数估计的精度，并且通过仿真实验

3、证实了该方法的有效性。关键词　多变量；系统辨识；参数估计；最小二乘法；两段RLS-RELS法-III-哈尔滨理工大学学士学位论文ResearchonthemethodofmultivariablesystemidentificationAbstractRecentyear,asaresultofthemoderncontroltheorydevelopment,thestatespacemodelresearchmoreandmoreisvaluedpeople's.Alongwiththecontrolsystemlargescale,thecompl

4、ication,thesystematization,ismoreandmorehightothecontrolrequest,thisrequestsystemmodelaccuracyishigh,tosystemmodelidentificationinparameterestimationprecisionrequestalsoalongwithitenhancement.Theclassicalsystemidentificationmethodhascertainlimitationandtheinsufficiency,especially

5、regardingthemany-variablesystem,theclassicalidentificationmethodcannotobtaintheverygoodidentificationeffect,cannotachievethecontroltherequest.Thereforehastheessentialresearchmany-variablesystemidentificationmethodtoadaptthemodernindustrysystemdevelopment.Thisarticlemainlyintroduc

6、edandstudiedthemany-variablesystemidentificationbasedontobesmallestfromthereturnrunningmeanmodel(ARMA)parameterestimationonlinetwosectionsofrecursiontworides-therecursiontoaugmentslightlytworidesthe(RLS-RELS)algorithm.First,thoroughlyhasstudiedthemany-variablesystemidentification

7、theoryandthemethod,haswithemphasisstudiedthesystemidentificationclassicalalgorithm:Smallesttworidesthealgorithmandtherecursionandtherecursionaugmentsslightlytworidesthealgorithm,understandsitsmeritandtheinsufficiencythroughthesimulationexperiment,becauseithastheparameterestimatio

8、nprecisionnottobehigh,parameterestimatio