多变量系统辨识方法比较的研究（Ⅰ）.pdfVIP

摘要 摘要 随着现代工业的发展，越来越多的工业系统已不再局限于单变量系统，而是结构复杂的多 变量系统，所以对多变量系统辨识方法的研究越来越重要．本文拟定了多变量系统辨识方法比 较研究课题，选题具有学术意义和应用前景．作者在查阅了相关文献的基础上，对辨识算法的 计算量和收敛性进行了深入的分析和研究，取得了下列创新性研究成果。 1．针对多变量系统，利用梯度搜索原理，提出了多变量系统的随机梯度辨识算法和分子系统 随机梯度辨识算法，并与现存递阶随机梯度算法在计算量、参数估计精度和算法收敛速度 进行了仿真比较研究：三个算法中递阶随机梯度辨识算法计算量最少，计算效率最高，但 参数估计性能介于随机梯度算法和分子系统随机梯度算法之间． 2．针对多变量系统，利用梯度迭代技术，提出了多变量系统的梯度迭代辨识算法和分子系统 梯度迭代算法，与递阶梯度迭代辨识算法相比，它们的性能与上述随机梯度算法性能类似， 但算法中收敛因子的取值影响着算法的收敛性能．对于确定性系统，在容许范围内收敛因 子越大，参数估计误差越小．最后通过仿真例子比较了这些算法性能． 3．针对多变量系统，利用递推最小二乘原理，提出了分子系统最小二乘算法，并与现存多变 量系统递推最小二乘算法和递