自适应控制结课作业.docx

PAGE \* MERGEFORMAT2 自适应控制结课作业 2016年1月 目录  TOC \o 1-3 \h \z \u  HYPERLINK \l _Toc440017049 1 遗忘因子递推最小二乘法  PAGEREF _Toc440017049 \h 1  HYPERLINK \l _Toc440017050 1.1最小二乘理论  PAGEREF _Toc440017050 \h 1  HYPERLINK \l _Toc440017051 1.2带遗忘因子的递推最小二乘法  PAGEREF _Toc440017051 \h 1  HYPERLINK \l _Toc440017052 1.2.1白噪声与白噪声序列  PAGEREF _Toc440017052 \h 1  HYPERLINK \l _Toc440017053 1.2.2遗忘因子递推最小二乘法  PAGEREF _Toc440017053 \h 2  HYPERLINK \l _Toc440017054 1.3仿真实例  PAGEREF _Toc440017054 \h 4  HYPERLINK \l _Toc440017055 程序1 带遗忘因子的递推最小二乘法：  PAGEREF _Toc440017055 \h 6  HYPERLINK \l _Toc440017056 2 广义最小方差自校正控制  PAGEREF _Toc440017056 \h 8  HYPERLINK \l _Toc440017057 2.1广义最小方差自校正控制  PAGEREF _Toc440017057 \h 8  HYPERLINK \l _Toc440017058 2.1.1 逆M序列  PAGEREF _Toc440017058 \h 8  HYPERLINK \l _Toc440017059 2.1.2 广义最小方差自校正控制  PAGEREF _Toc440017059 \h 8  HYPERLINK \l _Toc440017060 2.2仿真实例  PAGEREF _Toc440017060 \h 10  HYPERLINK \l _Toc440017061 程序2 广义最小方差自校正控制：  PAGEREF _Toc440017061 \h 13  HYPERLINK \l _Toc440017062 3 参考模型自适应控制  PAGEREF _Toc440017062 \h 16  HYPERLINK \l _Toc440017063 3.1参考模型自适应控制  PAGEREF _Toc440017063 \h 16  HYPERLINK \l _Toc440017064 3.2仿真实例  PAGEREF _Toc440017064 \h 18  HYPERLINK \l _Toc440017065 3.2.1数值积分  PAGEREF _Toc440017065 \h 18  HYPERLINK \l _Toc440017066 3.2.2仿真结果  PAGEREF _Toc440017066 \h 18  HYPERLINK \l _Toc440017067 程序3 参考模型自适应控制：  PAGEREF _Toc440017067 \h 23  PAGE \* MERGEFORMAT24 1 遗忘因子递推最小二乘法 1.1最小二乘理论 最小二乘最早的想法是高斯在1795年预测行星和彗星运动轨道时提出来的，“未知量的最大可能的值是这样一个数值，它使各次实际观测和计算值之间的差值的平方乘以度量其精确度的数值以后的和为最小”[1]。这一估计方法原理简单，不需要随机变量的任何统计特性，目前已经成为动态系统辨识的主要手段。最小二乘辨识方法使其能得到一个在最小方差意义上与实验数据最好拟合的数学模型。由最小二乘法获得的估计在一定条件下有最佳的统计特性，即统计结果是无偏的、一致的和有效的。 1.2带遗忘因子的递推最小二乘法 1.2.1白噪声与白噪声序列 系统辨识中所用到的数据通常含有噪声。从工程实际出发，这种噪声往往可以视为具有理想谱密度的平稳随机过程。白噪声是一种最简单的随机过程，是由一系列不相关的随机变量组成的理想化随机过程。白噪声的数学描述如下：如果随机过程均值为0，自相关函数为，即 式中，为单位脉冲函数(亦称为Dirac函数)，即 ，且 则称该随机过程为白噪声，其离散形式是白噪声序列。 如果随机序列均值为