递推最小二乘法的实际应用.pptVIP

递推最小二乘法的实际应用 ——基于递推最小二乘法的变压器参数辨识 1.1递推最小二乘法的引入 最小二乘法的缺陷 （1）数据量越多，系统参数估计的精度就越高。为了获得满意的辨识结果，矩阵ΦΦT的阶数常常取得相当大。这样，矩阵求逆的计算量很大，存储量也很大。 （2）每增加一次观测量，都必须重新计算Φ、 （ΦΦT ）-1。 （3）如果出现Φ列相关，即不满秩的情况， ΦΦT为病态矩陈，则不能得到最小二乘估计值。 1 递推最小二乘法简介 递推最小二乘参数辨识，就是当被辨识系统在运行时，每取得一次新的观测数据后，就在前一次估计结果的基础上，利用新引入的观测数据对前次估计的结果，根据递推算法进行修正，从而递推地得出新的参数估计值。这样，随着新的观测数据的逐次引入，一次接着一次的进行参数估计，直到参数估计值达到满意的精确程度为止。 1 递推最小二乘法简介 1.2递推最小二乘法的算法步骤 1.根据输入输出序列列出最小二乘法估计的观测矩阵： 2.给辨识参数和协方差阵P赋初值。 3.按照下式计算增益矩阵G： 1 递推最小二乘法简介 4.按照下式计算要辨识的参数： 5.按照下式计算新的协方差阵P： 1 递推最小二乘法简介 6.计算辨识参数的相对变化量，看是否满足停机准则。如满足，则不再递推；如不满足，则从第三步开始进行下一次地推，直至满足要求为止。 7.分离参数：将a1….