一种递推最小二乘估计简化算法.pdfVIP

第十届全国电工数学学术年会论文集 一种递推最小二乘估计简化算法 刘桂英李传庆邵联合 (东北电力学院(大学)自动化工程学院吉林省吉林市132012) 摘 要 本文介绍了递推最,j,--乘估计及它的简化算法，该方法原理简单，使用方便，并有较好的准确性，良好的估 计性能，通过仿真说明它是一种正确、有效的并且具有计算量小，辨识速度快，建模效率高等特点的参数估计方 法。适用于数据量较大，建模速度要求较高的研究对象的在线建模。 关键词：递推最小二乘参数估计回归因子 1引言 在系统辨识的广阔背景下，讨论参数估计是有用的。系统辨识的关键因素是选择模型结构， 实验设计，参数估计和证实。在自适应控制中，一个过程的参数连续变化，于是，有递推更新参 Friedrich 数的估计方法是必要的。在18世纪末Karl Gauss形成了最小二乘原理【l】且用它来决定行 星和小行星的轨道。最d,--乘方法是参数估计的基本方法，标准递推最d,--乘辨识算法，对于时 不变系统具有最优特性，但它不适用于具有时变参数的系统。对于具有时变参数的系统，为了跟 踪动态过程的变化，就必须有效地折扣旧数据。指数遗忘(Exponential Forgetting)是一种折扣旧 数据的有效方法。而且介绍了简化算法，投影算法，在保证辨识准确度的情况下。以减小计算量， 提高辨识速度。 2最小二乘和回归模型 最小二乘法数学模型能写成以F形式： 、 (1) y(f)=磊(f)卵+欢(f)劣+…+丸(f)睇=≯7’(080 这里Y是观察变量，钟，劣，…，钟是要被确定的模型参数，葫，殇，···，丸是可以依靠其它可 知变量的可知函数。引进下面向量： 矽砸)=(力(f)欢(砂一吮(功 秒o=(钟劣…钟)7’ 这个模型由变量f表征，i表示时间。变量≯(f)叫回归变量或回归量，且方程(1)中的模型叫 一个回归模型。选取参数秒使最小二乘损失函数最小化。 1 ， 矿(臼，，)=去∑(朋一≯7’(㈣2 』。i-,l 引进符号： ①(f)=[矽r(1)…≯71(纠7’ P(f)=(①7’(f)①(f))～=(∑≯(彬’(盯1 7l 一种递推最小二乘估计衙化算法 3递推计算 在自适应控制器里，顺序实时获得观察。期望做递推计算来节省计算时间，最小二乘估计的 计算能以这样一种方式安排：在t一1时刻获得的结果能用来得到r时刻的估计。用目O-1)表示基 于t一1时刻测量的最小二乘估计。 · 定理1递推最小二乘估计(RLS) 假设矩阵①(，)满秩，最小二乘估计护(f)满足递推方程： ^ ^ A 秒O)=o(t-1)+KO)(yO)一≯7(f)臼O一1)) O)P(f一1)矽(f))。1 K(t)=尸O)矽(f)=P(t—1)矽(，)(，+≯r 尸(，