《系统辨识》第七章要点.pptVIP

* 《系统辨识》第七章要点 7.1 引言 7.2确定性问题的梯度校正参数辨识方法 7.1 引言 最小二乘类参数辨识方法的参数估计递推算法的一般格式为： 新的参数估计值＝旧的参数估计值＋增益矩阵×新息 梯度校正参数辨识方法，其基本思想是通过沿着如下准则 函数的负梯度方向，逐步修正模型参数估计值，直至准则 函数达到最小： 其中 代表模型输出与系统输出的偏差。 本章主要讨论的问题： 确定性问题的梯度校正参数辨识方法 则可以化为以下形式： 梯度校正参数辨识方法的参数估计递推可以由下式给出： 进一步可得确定性问题的梯度校正参数辨识方法的参数估计递推公式： 其中 是 的对称矩阵，称为权矩阵。 6.2确定性问题的梯度校正参数辨识方法 ● 问题的提法 输入和输出都是可以准确的测量，没有噪声。考察由差分方程 描述的确定性过程： 记： 并且权矩阵 选取如下形式： 个 中存在一个 与 ● 权矩阵 的选择依据 定理6.1: 确定性问题的梯度校正参数辨识方法的参数估计递推公式为： 如果权矩阵满足以下条件： ，使得 或者 不正交则不管参数估计值的初始值如何选择，参数估计 值总是全局一致渐近收敛的，即有： *