辨识方法的计算效率1递推算法.pdfVIP

文章编号：１６７４７０７０（２０１２）０４０２８９１２ 辨识方法的计算效率（１）：递推算法 丁锋１，２，３ 摘要 ０　引言 算法的计算量可用其乘法运算次数 和加法运算次数表示（除法作为乘法对 　　数学模型是研究、分析、认识事物本质特征的工具，是求解优化 待，减法作为加法对待）．一次乘法运算 问题、减小代价，进行设计、实行有效控制的基础．系统辨识给系统建 或一次加法运算称为一个ｆｌｏｐ，即一次浮 点运算．作为“辨识方法的计算效率”系 模提供了有效的方法和理论指导［１］．数十年来，系统辨识得到了长足 列３篇连载论文的第１篇，主要了讨论 ［２］ ［３］ 发展，从辨识的定义与辨识的基本步骤 ，系统描述的基本模型 ， 递推辨识算法的计算量，包括向量和矩 ［４］ 辨识的基本问题 ，到辨识方法及其性能分析等，都进行了许多深入 阵基本运算的ｆｌｏｐ数，以及线性回归系 ［５］ 统、多元线性回归系统、多变量系统的随 的研究，新的辨识方法不断问世，如辅助模型辨识方法 、迭代辨识 机梯度辨识算法、最小二乘辨识算法、递 ［６］ ［７］ ［８］ ［９］ 方法 、多新息辨识方法 、递阶辨识方法 、耦合辨识方法 等．因 推最小二乘辨识算法的最经济计算量， 此，如何评价辨识算法的收敛性能，包括评价辨识算法的计算效率， 即实现算法的最少ｆｌｏｐ数． 关键词 估算辨识算法的计算量，分析参数估计的性质（收敛性、收敛速率）等 递推辨识；迭代辨识；参数估计；ＦＩＲ 都是辨识要解决的首要课题． 模型；方程误差模型；ＣＡＲ模型；ＣＡＲＭＡ 然而，随着科学技术的发展和电子设备计算能力的提高以及生 模型；ＣＡＲＡＲ模型；ＣＡＲＡＲＭＡ模型；输 出误差模型；ＯＥＭＡ模型；ＯＥＡＲ模型；辅 产规模的扩大、控制和管理能力的增强，人们处理复杂、庞大对象的 助模型辨识；多新息辨识；递阶辨识；耦 欲望越来越强烈．对于控制系统而言，大系统或复杂系统的主要特征 合辨识 是输入输出变量多、强耦合、非线性、维数高、参数数目多，导致控制 中图分类号 ＴＰ２７３ 算法、参数辨识算法的复杂性和计算量增加，使算法的实现成为极为 文献标志码 Ａ 突出的问题．这就需要分析辨识方法的计算效率，估算辨识算法的计 算量，研制计算量小的辨识方法． 评价算法的计算量有很多方法．例如，根据执行一个任务计算机 运行时间的长短来评价．因为问题的规模不同，使用的计算机也可能 不同，不可能每次都用计算机来验证．况且，有的算法需要计算机计 算１年，有的需要计算２年，这就需要等上很长时间才能判断算法的 计算量大小，显然这种方法不可取．实际上，我们更期望不通过计算 机运算就能估算和比较不同算法的计算量． 收稿日期 ２０１２０８１９ 评价辨识算法计算量大小的一个实用方法是：用算法的乘法次数 资助项目 国家自然科学基金；高 等学校学科创新引智计划（Ｂ１２０１８） （除法作为乘法对待）和加法次数（减法作为加法对待）来衡量．一次加 作者简介