基于局部多项式逼近变参数梯度估计算法.pdfVIP

第7卷第l期 No】 电路与系统学报v0J．7 竺篷三旦——————型坐生坚里三婴垒竺!：!翌竺 竺垫型 文章编号：1007．0249f如02)叭_0023．05 基于局部多项式逼近的变参数梯度估计算法+ 薛云灿， 钱积新 浙汀大学系统t程研究所．浙江杭州310027) 擒■-本文分析了梯度辨识算法跟踪时变系统的缺点，提出了一种新的基于局部多项式逼近的变参数梯度估计算 法。奉算法具有良好跟踪性能特别适用于时变系统跟踪且其对噪声的敏感程度与一般梯度估计方法相当。仿真结果验 证了其良好性能。 关键调，梯度法；多项式逼近；辨识算法：参数估计 中田分类号t02313 文献标识码tA 1 前言 时变动态的跟踪是目前辨识领域中十分活跃的研究课题”‘24’6”““。不同于时不变系统，时变系 统中系统特性与参数变化要求辨识算法具有适应性。目前常见的辨识算法都是对时不变系统辨识的改 进算法。特别是梯度法和递推最小二乘算法。这些改进对参数变化较慢的系统是有一定成效的．如参 数变化较快，则这些改进算法将不能很好地跟踪对象参数的变化。 在clevelan d【“的论文中，他把RLs算法估计的线性模型看作为零阶局部时间多项式，或局部常数。 然而，众所周知，在很多情况下，高阶多项式比局部常数具有更好的逼近性能。由此我们提出基于局 部多项式逼近的梯度估计算法。虽然，JoenseD等”’已对基于局部多项武逼近的RLs算法作了一些工 作。但他们的工作需要复杂的计算如矩阵求逆等。 虽然本文所提出的估计算法对于快速跟踪是非常有效的，但本算法保存了梯度算法的基本性质如 对噪声比较敏感等，因此，变化率因子和增益因子的选择至关重要。一般地，增益因子和变化率因子 越大，则算法跟踪性能越好，但同时对噪声越敏感。反之，较小的增益因子和变化率因子则使算法对 噪声不敏感，但对时变系统的跟踪能力较差，特别是对具有参数突变的系统。 基于以上讨论，为了同时满足快速跟踪和平滑稳态的要求．必须使用变参数估计算法。也就是说， 在具有较大参数估计误差时，需选择较大增益因子和变化率因子，咀便使算法具有较快的跟踪性能； 当估计误差较小，或算法逼近稳态时，则需选择较小增益因子和变化率因子。困难的是我们不知道误 差。从集员辨识的观点看，如果仅知未知噪声界最，若任何估计满足叫“则认为t时刻的输入输出 数据与噪声界￡。是一致的。只有当le炒E。时，我们才认为该估计肯定不是产生误差数据的实际参数， 才需要调整。本方法的困难是必须知道噪声界。为了克服这一缺点，我们作了以下改进：假设OE(1)… 变参数估计算法并不是一种新算法．基于此想法已发表了大量论文Il“””I。但本文所提出的算 法对传统集员辨识算法¨2’“1在三个方面作了显著改进。首先，与每个有界方法相反，本算法无需明确 知道噪声界。其次是关于增益的选择，大多数有界方法在估计满足噪声界时给定零增益。虽然这种选 择有许多优点『【”。1“，零增益将显著降低算法速度，本文所提算法在估计容错范围内提供的是非零增益 以提高快速跟踪能力。晟后，本算法提供多个辨识误差范围以确保在噪声界未知时，选择比集员辨识 算法更合理的估计参数。 2基于局部多项式逼近的变参数梯度算法 2．1模型描述 收●日■t2000_l2_”●订日期·200l_09·2 24 电路与系统学报 第7卷 考虑ARx模型 A(q11)y(七)=B(g一)H(七)+善(^) (21) 其中q-1代表滞后因子，y(t)为输出信号，“(≈)为输入信号，{(女)为独立于“(t)的白噪声。 A(日“)=l+。1(正)9—1+．．+d。(正)q哺 (2．2) e(g。)=岛(t)q。+…+k(t)q“