Hammerstein OEMA 系统的辅助模型最小二乘辨识.pdfVIP

VoL 第9卷第22期2009年11月科学技术与工程 9 No．22Nov．2009 Science and @2009 1671-1819(2009)22·6837—03 TechnologyEngineefing Sci．Tech．Engng． Hammerstein OEMA系统的辅助模型最小二乘辨识 初燕云 王冬青’ 杨国为 (青岛大学自动化工程学院，青岛266071) 键变量分离的辅助模型递推增广最小二乘辨识方法。该方法能获得系统参数估计和噪声参数估计，且能实现在线辨识。 关键词Hammerstein模型关键变量分离原理 辅助模型 递推辨识 中图法分类号TP273．24； 文献标志码A Hammerstein模型是由静态非线性模块和动态 龙(t)=九“(t)] (2) 线性模块相互连接构成。最常用的Hammerstein系 统辨识方法有3种：过参数化辨识方法…、迭代方 法【2J和关键变量分离方法[3】。过参数化辨识方法 的参数向量包含了原系统静态非线性模块参数与 线性动态模块参数的乘积项，这使得过参数模型的 图1 Hammerstein OEMA系统 参数向量维数(即参数数目)大大增加，导致辨识算 其中M(t)和Y(t)分别为系统的输入和输出；菇(t) 法的计算量也相应增加。 、，(t)和们(t)为未知中间变量；九·]是非线性函 针对Hammerstein OEMA模型，将关键变量分 数；秽(t)为零均值、不相关随机白噪声(不可测)。 离原理旧1与辅助模型思想【451相结合，提出基于关 键变量分离的辅助模型递推增广最／Ix--乘辨识方 [Z-IY(t)=y(t一1)]，且 法。关键变量分离原理是分离出线性环节的关键 A(z)=1+口l：一1+a2：一2+…+an一～，,,Z 变量，将非线性环节表达式代人到其中去，从而使 曰(z)=bo+blz一1+62：一2+…6。6。一帆， 整个系统的输出表示为所有待估参数的回归方程 D(：)=1+dtz一1+d2z一2+…+d。d：一～o 形式，不存在冗余参数，算法计算量小。 1 Hammerstein OEMA模型描述 阶次‰，n。，嘞已知。非线性环节菇(t)=九“(t)] 是一个分段线性函数。当M(t)≥0时，石(t)=m．Ⅱ 如图1所示HammersteinOEMA模型表示如下 ，，㈩=等㈤咧咖∽ (1) ^c￡，=^cnct，，={三：：{：；三三： 2009年8月10日收到山东省高等学校优秀青年教师国内访问 则函数石(t)可记为 学者项目、国家自然科学基金资助 (3) 第一作者简介：初燕云(198l一)，女，山东聊城人，硕士．E—mail：