- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《系统辨识》第14讲要点
第7章 梯度校正参数辨识方法
7.1 引言
最小二乘类参数辨识方法的参数估计递推算法的一般格式为:
新的参数估计值=旧的参数估计值+增益矩阵×新息
梯度校正参数辨识的递归算法的结构如同上式,但其基本思想与最小二乘类算法不同,它是通过沿着如下准则函数的负梯度方向,逐步修正模型参数估计值,直至准则函数达到最小:
其中代表模型输出与系统输出的偏差。
本章主要讨论的问题:
确定性问题的梯度校正参数辨识方法;
随机性问题的梯度校正参数辨识方法;
梯度校正参数辨识方法在动态过程辨识中的应用;
随机逼近法。
7.2确定性问题的梯度校正参数辨识方法
● 问题的提法
确定性问题的输入和输出都是可以准确的测量,没有噪声。
即,一般地,设过程输出可以表示为:
其输出和输入是可以准确测量,是过程的参数。
记:,如果为过程的真实参数,则有:
将上式离散化,则有:
其中:
例如,考察由差分方程描述的确定性过程:
记:
则可以化为以下形式:
准则函数:
问题:利用输入输出数据,来确定参数在时刻的估计值,使得准则函数达到最小,即
梯度校正法的做法:沿着准则函数的负梯度方向进行修正参数估计值,直到达到最小。
即,梯度校正参数辨识方法的参数估计递推形式可以由下式给出:
其中是()的对称矩阵,称为权矩阵,表示准则函数关于参数的梯度,梯度可以求得:
由此可得确定性问题的梯度校正参数辨识方法的参数估计递推公式:
(*)
●权矩阵的选择依据
关于梯度校正法的递推式子(*),权矩阵的选择是至关重要的,且输入数据向量的各分量将直接影响参数的估计值。
权矩阵的作用是用来控制各输入分量对参数估计的影响程度的,一般地,我们选择权矩阵的形式为:
只要适当地选择,就能控制各输入分量对参数估计的影响。如何合理地选择权矩阵,由下面的定理给出。
定理7.1: 确定性问题的梯度校正参数辨识方法的参数估计递推公式为:
并且权矩阵选取如下形式:
如果权矩阵满足以下条件:
个中存在一个,使得
或者
与不正交
则不管参数估计值的初始值如何选择,参数估计值总是全局一致渐近收敛的,即有:
注意:条件1确定了权的选择范围,条件2是推导条件3的前提,条件3是保证参数估计全局一致收敛的条件。
定理的证明:
建立关于参数估计偏差的离散时间运动方程。由于:
令:,由:
我们有:
即
(**)
建立方程(**)的Lyapunov能量函数。
定义Lyapunov能量函数如下:
其中满足定理中的条件2,。由Lyapunov稳定性定理,只要满足以下条件,则离散时间运动方程(**)具有全局一致渐近稳定的零点。
(a),对于所有的;
(b),对于所有的;
(c)当时,有;
(d),对所有的。
由定理给定的条件可知(a)、(b)和(c)一定满足。
条件(d)满足的证明
记:
则由Lyapunov能量函数的定义,有:
其中:
将及的定义式代入,由于:
我们有:
由定理给的条件2,有
利用和的定义,由
上面的不等式可得:
即有:
由于,所以为了使,必须,即要求:
由定理的条件4,有,因此上面的不等式为:
至此证明了只要定理的条件满足,必有,定理证毕。
● 权矩阵的选择
或取:
最佳权矩阵的选择(Lyapunov最佳权矩阵):(注意推导过程)
● 注意的地方
权矩阵的作用是控制各输入分量对参数估计的影响程度;
若与正交,或大于一定的值后与正交,则得不到全局稳定性,即时,不趋于零。
7.3随机性问题的梯度校正参数辨识方法
● 随机性问题的提法
设过程输出可以表示为:
其输出和输入均含有噪声,即有
假设噪声和均为均值为零的不相关随机噪声,并且满足:
记:
则有:
其中输入和输出是可以观测的,由此数据确定参数在时刻的估计值,使得准则函数达到最小,即
其中:
随机性辨识问题的分类
第一类随机性辨识问题
此问题满足以下条件
(1);即与独立,的方差不必已知;
(2),为正定常数矩阵,不必已知;
(3)
第二类随机性辨识问题
此问题满足以下条件
(1),其中是测量噪声,是扰动噪声,扰动噪声通过动态环节与相关,;
(2),为正定常数矩阵,不必已知;
(3)
第三类随机性辨识问题
此问题不仅与相关,而且也和相关。
1
您可能关注的文档
- 《变态心理学》笔记.doc
- 《变态心理学》考纲笔记.doc
- 《健康心理学》笔记补充.doc
- 《健康心理学》表格.doc
- 《健康心理学》大纲.doc
- 《健康心理学》总提纲.doc
- 《临床心理学》笔记.doc
- 《临床心理学》笔记2.doc
- 《临床心理学》复习题.doc
- 《临床心理学》整理.doc
- 《GB/T 32151.42-2024温室气体排放核算与报告要求 第42部分:铜冶炼企业》.pdf
- GB/T 32151.42-2024温室气体排放核算与报告要求 第42部分:铜冶炼企业.pdf
- GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法.pdf
- 中国国家标准 GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法.pdf
- 《GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法》.pdf
- 《GB/T 18238.2-2024网络安全技术 杂凑函数 第2部分:采用分组密码的杂凑函数》.pdf
- GB/T 18238.2-2024网络安全技术 杂凑函数 第2部分:采用分组密码的杂凑函数.pdf
- 《GB/T 17215.686-2024电测量数据交换 DLMS/COSEM组件 第86部分:社区网络高速PLCISO/IEC 12139-1配置》.pdf
- GB/T 13542.4-2024电气绝缘用薄膜 第4部分:聚酯薄膜.pdf
- 《GB/T 13542.4-2024电气绝缘用薄膜 第4部分:聚酯薄膜》.pdf
文档评论(0)