在线识别ARMAX模型的阶数和系数.pdf

在线识别ARMAX模型的阶数和系数· 杨昌利阮荣耀 (华东师范大学数学系200062) 摘要针对阶数和系数皆未知的离散时间线性随初控制系统(ARMAX模型)，提出一种对 阶数和系数同时进行递推估计的算法．当输入和输出的样本数趋向无穷时，阶数和系 数的估计都收敛到它们的真值． 。 关键词ARMAX模型；阶数估计；系数估计；在线识别；收敛性 1引言 考虑离散时间线性随机控制系统(ARMAX模型)，其阶数和系数都是未知的，问题是如 何建立对阶数和系数同时进行递推估计的在线算法，并要求阶数和系数的估计都收敛到它们的 真值： 在时间序列分析中，ARMA序列的阶数估计是一个重要问题，已有许多估计ARMA模型 阶数的算法(例如参看【1，2】)，文[3】还给出了关于阶的递推估计算法：但这些算法均假设随机 过程是平稳的且具有遍历性。一般说来，含有控制项的ARMAX模型不一定具有平稳性和遍 历性，因此上述算法不能直接应用于ARMAX模型的阶数和系数的在线识别。文f4】和f5】分别 对具有不相关噪声和相关噪声的随机反馈控制系统给出新的信息准则CIC(P，q)和 CIC(p，q，，)，获得阶数的强一致性估计；但是需要使用平行算法，即需要同时估计所有可能 阶的模型参数，计算量很大，难以在线实现递推估计。对于确定性系统和系统噪声不相关的情 况，文[6]给出系统阶数、时滞和系数的强一致性估计算法，计算量有所减少，但这种算法应 用于自适应控制很难在线实施。文[7】对具有未知阶数和参数的线性系统提出一种快速的自适 应控制算法，便于在线实施，但仅仅考虑确定性的线性系统。文【8】将其推广到ARMAX模型， 但其自适应控制算法仍然难于在线实旖j甚至连仿真例子也无法做出。 在文【4]～【8】的基础上，本文结合参数估计的增广最tb--乘(ZLS)法，对阶数估计提出～种 新的信息准则，从而导出可实现阶数和参数同时递推估计的快速算法，不需要对整个可能的阶 数的集合所对应的模型集采用平行算法，实际上每一时刻f只需要估计一个模型的参数，并按 此信息准则确定该模型在时刻f的阶数。这样获得的阶数和系数估计具有所期望的性质。 对于连时滞也未知的线性随机控制系统，如何在线同时估计时滞、阶数和系数的问题，将 另文发表【91。 2系统的描述与假定 假设单输入一单输出随机控制系统用下述的ARMAX模型描述： ‘上海市重点学科建设项目资助 A(z)y(t)=B(z)u(t)+C(z)w(t)，，=1,2，3，… f1) y(t)=u(t)=w(t)=0，f1 子z的多项式： ． A(z)=l—alz一…一apoz肋，Po≥0 (2) qo≥d≥1(3) B(z)=bazd+6d+lzd“+…+bqoz舶， ％≥0 (4) C(z)=1+ClZ+…+c尼z局， 这里阶数胁，qo，厂0是未知的，而且系数q，b／，C々(0≤f≤Po，d≤J≤qo，0≤k≤％) 也是未知的，但时滞d是已知的。 为了保证所获得的阶数和系数估计具有良好的性质，我们需要作下述的假定： A1：{w(，)，E}是鞅差序列，由f=盯加(f)，1≤f≤f}所构成的盯．代数簇是非降的，且 supe{w2(，+1)／E}o。，a．S． (5) tl A2：彳(z)，B(z)和C(z)互质，且 ％=min{a；o，砑，6三，C：j0