开题报告ppt6515724.pptVIP

若干类非线性系统的迭代学习辨识及其收敛性分析 陈** 2011年1月8日 主要内容 选题的目的、意义 最小二乘类辨识算法 迭代学习辨识算法 鞅收敛定理 课题研究计划 选题的目的、意义 本课题针对确定性系统的参数估计开展研究，重点探索运用鞅收敛定理证明辨识算法的收敛性，寻求在没有假设系统平稳和各态遍历的弱的条件下保持参数估计一致收敛或有界收敛于真值。 选题的目的、意义 系统辨识是系统科学和控制理论的重要分支 迭代算法的收敛性能非常重要 本课题将理论研究部分应用到经济模型，理论研究和实际应用并举 经济控制论 最小二乘类算法 最小二乘算法（LS）是系统辨识中参数估计的最基本方法。 算法简单，计算量小，收敛性好 只要系统有弱持续激励的输入，那么最小二乘算法是收敛的 鞅收敛定理分析最小二乘类辨识算法的收敛性 迭代学习辨识 系统动力学特性参数随时间而变化，将成熟的定常或慢时系统理论推广到时变系统 压缩映射 使得现有递推辨识理论能够扩展到处理有限区间时变系统的迭代学习辨识问题上来 鞅 鞅（martingale）是一类特殊的随机过程。 停时定理 鞅收敛定理 例如，用Z(t)表示某一赌徒在公平赌博中t 时刻所拥有的本金，那么Z为鞅，也就是说无论该赌徒在s时刻以后的赌博中如何利用他在s时刻之前所取得的经验，他所能期望在将来t时刻拥有的本金只能是Z(s) ，这正是“公平性”的体现。 研究目标 本课题将在经典最小二乘类辨识算法的基础上，研究并提出几种离散时变系统的迭代学习辨识方法 通过运用随机过程鞅收敛定理，分析基于最小二乘类迭代学习辨识算法的收敛性 针对时变系统，运用丁峰等建立的时变参数估计有界收敛性的鞅超收敛定理分析时变系统的迭代学习算法的收敛性 研究内容 分析总结现有的几种辨识算法 运用鞅收敛定理分析基于最小二乘类迭代学习算法的性能 运用鞅超收敛定理分析一类时变系统迭代学习算法的收敛性能 寻找弱条件下保持算法一致收敛性或有界收敛性的方法 将所提出的几种迭代学习算法运用到实际经济模型中，验证其算法的性能 拟解决的关键问题 分析最小二乘类辨识算法及基于该类算法的迭代学习辨识算法的收敛性 使用鞅收敛定理和鞅超收敛定理分析辨识算法的收敛性能 分析基于最小二乘类迭代学习辨识算法在弱条件下的收敛性 本选题的特点与创新之处 推导新的迭代学习辨识算法和性能分析方法，为时变系统辨识提供一种途径。 运用随机过程的方法分析辨识算法的收敛性，并针对时变迭代辨识算法运用鞅超收敛定理分析其有界收敛性 用更弱的条件保证迭代算法的收敛性 将迭代学习辨识算法运用到经济模型 课题研究、写作计划 2010年07月～2010年11月：查阅大量文献选定课题，熟悉各种辨识方法 2010年12月～2010年12月：完成开题报告； 2011年01月～2011年03月：针对几种辨识算法做收敛性分析； 2011年04月～2011年05月：完成小论文写作； 2011年06月～2011年07月：完成大论文所需要的各种仿真； 2011年08月～2011年10月：撰写并完成大论文； 2011年11月～2011年11月：修改大论文并定稿。 The End 谢谢！