递推阻尼最小二乘法-read.pdfVIP

高校应用数学学报A 辑 A pp l. M ath. J. Ch inese U n iv. Ser. A ( ) 2000, 15 1 : 113～ 118 递推阻尼最小二乘法 林茂琼　陈增强　袁著祉 (南开大学计算机与系统科学系, 天津 300071) 摘　要　递推最小二乘法是参数辨识中最常用的方法, 但容易产生参数爆发 现象. 本文推导了一种更稳定的辨识方法——阻尼最小二乘法的递推求解算法. 关键词　系统辨识, 最小二乘法, 递推算法, 矩阵求逆引理. ( ) ( ) 分类号　 中图 241 2; 1991 93 30. O M R B §1　引　言 在参数辨识中, 递推最小二乘法(RL S) 是用得最多的一种算法. 但最小二乘法存在一些 [ 1 ] 缺点 , 如随着协方差矩阵的减小, 参数易产生爆发现象; 参数向量和协方差矩阵的初值选 择不当会使得辨识过程在参数收敛之前结束; 在存在随机噪声的情况下, 参数易产生漂移, 出现不稳定等. 为防止参数产生爆发现象, L evenberg [ 2 ] 提出在参数优化算法中增加一个阻 尼项以增加算法的稳定性. 本文在通常递推最小二乘法的目标函数上增加了对参数变化量 的阻尼项, 并推导了其递推算法. §2　阻尼最小二乘法(DL S) 考虑单输入单输出系统: na nb y ( ) a y ( - i) b u ( - i) ( ) t + ∑ i t = ∑i t . 1 i= 1 i= 1 　　我们的问题是根据输入、输出数据来确定未知参数 , , …, , , , …, . 但是在实 a 1 a2 ana b1 b2 bnb 际的测量中, 测量到的数据总是有误差的. 这包含了测量噪声、模型误差等. 因此, 实际测得 的输入、输出数据之间的关系应修正为: na nb ( ) ( ) ( ) ( ) ( ) y t + a y t - i = b u t - i + e t , 2 ∑ i ∑i i= 1 i= 1 其中 ( ) 称为模型误差或残差. e t 若令 　　收稿: 修回: © 1994-20