多变量Hammerstein系统的极大似然参数估计方法-中国科技论文在线.PDFVIP

第 30 卷第 2 期 青 岛 大 学 学 报 （工 程 技 术 版 ） Vol. 30 No. 2 2 0 1 5 年 6 月 JOURNAL OF QINGDAO UNIVERSITY (ET) Jun2015 文章编号:1006 - 9798(2015)02 - 0019 - 07? DOI： 10. 13306/j. 1006 - 9798. 2015. 02. 004 多变量Hammerstein 系统的极大似然参数估计方法 张 玮 ！王冬青 (青岛大学自动化工程学院，山 东 青 岛 266071) 摘要：针对有 色 噪声干扰 的多变量Hammerstein 系统存在维数高和模型难 以参数化的 问题，本研究提出了递推极大似然参数估计方法，并对极大化似然 函数系统参数 向量的估 计公式进行推导 ，同时给出了极大似然参数的辨识原理，并对 多 变 量 Hammerstein 模型 的参数估计进行理论分析 ，并通过数值进行仿真实验。理论分析和仿真结果表明，本研究 所提出的算法，能够有 效实现有色 噪声干扰下的 多变量Hammerstein 系统的参数估计。 随着递推次数的增加，辨识精度总体上不断提高；而且噪声方差越小 ，参数估计精度越高。 该算法原理简单、适用范围广，提高了参数的估计精度，且 易于实现参数的在线辨识，因此 该算法可以扩展应用于非均勻采样系统和多变量系统的辨识和参数估计中。 关键词：多变量；Hammerstein 系统；极大似然；参数估计；系统辨识 中图分类号：TP271.72; N945.14 文献标识码 ：A Hammerstein 系统为一类模块化非线性系统模型，它是 由静态非线性子模块后接动态线性子模块 形 成。模块化模型的研究方法 包括 过 参 数 辨 识方法 [1—2 +、迭 代辨 识方法 [3—4 +、基于 递 阶辨 识 原理的辨识方 法 [5—6 、基于关键变量分离原理的辨识方法等[7—8 。然而以上辨识方法 多数都是针对单变量模块化模型展 开 ，由于多变量系统存在维数高和模型难 以参数化的 问题，因此，多变量模块化模型辨识方法的研究面 临巨 大的挑战 。多变量模块化模型辨识的主要方法是过参数化方法[9— ，过参数化方法往往 需将系统非线性模 块参数与一部分线性模块参数乘积 ，得到 的未知参数维数远大于原始参数维数，导致过参数化参数辨识算法 计算量 巨增 ，过参数化方法由此得名 。而极大似然参数估计方法不需要将系统变换为自回归辨识模型形式 ， 可以避免参数化为自回归模型时出现的冗 参数和导致计算量大的 问题，为此，李俊红等人 [11]针对单变量 Hammerstein模型，提出了极大似然参数估计方法。而本文 针对 多变 量Hammerstein 模型，提出了极大似 然参数估计方法，对极大化似然 函数的系统参数 向量的估计公式进行推导 ，给出了估计系统参数的递推辨识 算法 [12—13]，并进行了数值仿真验证，仿真结果表明，本研究所提出的极大似然参数辨识算法是有效 的，而且 该算法可以扩展应用于非均勻采样系统和多变量系统的辨识和参数估计中。 1 系统模型描述 Hammersrein 系统模型描述 了 一类具有 静 态 非线 性 串联 动态 线 性的 非线 性系统，考虑 如 下 多变量 Hammerstein 模型 i!) 7i (#i ) 2 !) 72 (#2!)) $ r⑴ Lfr(.ur(t))_ 收稿日期 ：2014 -01 - 06;修回日期 ：2015 - 03 - 18 基金项目：国家自然科学基金资助项目 作者筒介：张玮 （1990 -)，女，硕士研究生，主要研究方向为系统辨识和自适应控制。 通讯作者：王冬青