- 1、本文档共5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)。
查看更多
ARARX模型的辨识算法
Homework
Recursive extended least squares identification
In this section, I focus on the following ARMAX model
where {} and {} are respectively input and output series, is white noise, and are some polynomials with respect to the backward operator :
, , and for t ≤ 0.
I use the residual based recursive extened least squares algorithm.
The procedure of MATLAB:
clc;clear all;
t=500;
for k=1:t
u(k)=1;
end
v=randn(1,t)/100;
y(1)=v(1);y(2)=1.5*y(1)+0.5*u(1)+v(2)-v(1);
y(3)=1.5*y(2)-0.7*y(1)+0.5*u(1)+u(2)+v(3)-v(2)+0.2*v(1);
for k=4:t
y(k)=1.5*y(k-1)-0.7*y(k-2)+u(k-1)+0.5*u(k-2)+v(k)-v(k-1)+0.2*v(k-2);
end
s=zeros(6,t);
q=zeros(6,t);
p=100000*eye(6);
v1=zeros(1,t);
v1(1)=y(1);
q(1:6,2)=[-y(1) 0 u(1) 0 v1(1) 0];
L=p*q(1:6,2)/(1+q(1:6,2)*p*q(1:6,2));
s(1:6,2)=L*y(2);
v1(2)=y(2)-q(1:6,2)*s(1:6,2);
for k=3:t
q(1:6,k)=[-y(k-1) -y(k-2) u(k-1) u(k-2) v1(k-1) v1(k-2)];
L=p*q(1:6,k)/(1+q(1:6,k)*p*q(1:6,k));
s(1:6,k)=s(1:6,k-1)+L*(y(k)-q(1:6,k)*s(1:6,k-1));
p=(eye(6)-L*q(1:6,k))*p;
v1(k)=y(k)-q(1:6,k)*s(1:6,k);
end
a1=-1.5*ones(1,t);a2=0.7*ones(1,t);b1=ones(1,t);
b2=0.5*ones(1,t);d1=-ones(1,t);d2=0.2*ones(1,t);
i=1:1:t;
figure(1)
subplot(311);
plot(i,a1,b,i,s(1,1:t),r);legend(blue--给定参数a1 red--估计参数a11);
subplot(312);
plot(i,a2,b,i,s(2,1:t),r);legend(blue--给定参数a2 red--估计参数a22);
subplot(313);
plot(i,b1,b,i,s(3,1:t),r);legend(blue--给定参数b1 red--估计参数b11);
figure(2)
subplot(311);
plot(i,b2,b,i,s(4,1:t),r);legend(blue--给定参数b2 red--估计参数b22);
subplot(312);
plot(i,d1,b,i,s(5,1:t),r);legend(blue--给定参数d1 red--估计参数d11);
subplot(313);
plot(i,d2,b,i,s(6,1:t),r);legend(blue--给定参数d2 red--估计参数d22);
e1=zeros(1,t);e2=zeros(1,t);e3=zeros(1,t);e4=zeros(1,t);e5=zeros(1,t);e6=zeros(1,t);
for k=1:t
e1(k)=norm(s(1,k)+1.5,2)/norm(-1.5,2);
e2(k)=norm(s(2,k)-0.7,2)/norm(0.7,2);
e3(k)=norm(s(3,k)-1,2)/norm(1,2);
e4(k)=norm(s(4,k)-0.5,2)/norm(0.5,2);
e5(k)=norm(s(5,k)+1,2)/norm(-1,2);
e6(k)=norm(s(6,k)-0.2,2)/norm(0.2,2);
end
figure(3)
subpl
您可能关注的文档
- neie交互英语3答案最全.doc
- 初三上英语听力.doc
- 英语倒装句(最全面_最简洁).doc
- 2011年6月英语六级全真英语预测试题及答案二.doc
- 第八章_内生性及其来源.docx
- 遗传算法及其MATLAB程序代码.doc
- Flac3D 常用命令流.docx
- 人工鱼群算法matlab实现.docx
- 空间结构分析温度场ansys 命令流.docx
- 2014年6月2日外教面试笔录.doc
- 2022年山西省吕梁市公开招聘警务辅助人员辅警笔试摸底测试3卷含答案.docx
- 2022年安徽省淮北市公开招聘警务辅助人员辅警笔试模拟自测题C卷含答案.docx
- 2023年湖南省邵阳市公开招聘警务辅助人员辅警笔试自考练习卷二含答案.docx
- 2022年四川省甘孜自治州公开招聘警务辅助人员辅警笔试经典练习卷B含答案.docx
- 2022年广西壮族自治区南宁市公开招聘警务辅助人员辅警笔试摸底测试3卷含答案.docx
- 2022年四川省内江市公开招聘警务辅助人员辅警笔试经典自测卷2含答案.docx
- 2023年江苏省徐州市公开招聘警务辅助人员辅警笔试专项训练卷1含答案.docx
- 2023年湖北省黄冈市公开招聘警务辅助人员辅警笔试冲刺自测题二卷含答案.docx
- 2022年云南省临沧市公开招聘警务辅助人员辅警笔试自考练习卷一含答案.docx
- 2022年吉林省白山市公开招聘警务辅助人员辅警笔试必刷测试卷2含答案.docx
文档评论(0)