基于辅助模型Hammerstein OEMA模型研究辨识.docxVIP

基于辅助模型Hammerstein OEMA模型研究辨识 第 PAGE \* Arabic \* MERGEFORMAT 15 页 基于辅助模型Hammerstein OEMA模型多信号源辨识 贾立 冯启亮 （上海大学机电工程与自动化学院自动化系，上海市电站自动化技术重点实验室，上海 200072） 摘要 针对Hammerstein输出误差自回归（OEMA）模型，本文提出了基于辅助模型Hammerstein OEMA模型多信号源辨识方法。采用一组包含独立可分离信号和随机多步信号的特殊信号源来辨识Hammerstein OEMA模型，实现Hammerstein OEMA模型线性环节和静态非线性的分离辨识，从而避免冗余参数产生。然后采用相关分析法分离辨识动态线性环节。在此基础上采用辅助模型思想辨识出静态非线性环节和噪声模块的参数。仿真实例验证了本文提出方法的有效性。 关键词 Hammerstein OEMA模型，辅助模型，可分离信号，相关分析法 The Identification for Hammerstein OEMA Model Based Auxiliary Model With Multi-Signal JIA Li FENG Qi-Liang (Shanghai Key Laboratory of Power Station Automation Technology, Department of Automation, College of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072) Abstract The identification method for Hammerstein OEMA model based auxiliary model with multi-signal is proposed in this paper. A special test signal that contains independent separable signals and uniformly random multi-step signal is adopted to identify the Hammerstein OEMA process, resulting in the identification problem of the linear model separated from the static nonlinear element without any redundant adjustable parameters. Then correlation analysis algorithm is proposed to identify dynamic linear part. And by using the auxiliary model method to identify the parameters of the static nonlinear part and noise element. Simulated results show the effectiveness of method that proposed in this paper. Key words Hammerstein OEMA model, auxiliary model, separable signal, correlation analysis algorithm 引言 近些年对系统辨识和参数估计研究中提出了许多估计算法，诸如多新息辨识理论[1]-[3],迭代辨识方法[4]-[6]，辅助模型辨识思想[7]-[8]。其中辅助模型辨识是用系统的可测信息建立一个辅助模型，用辅助模型的输出代替系统的不可测变量(如系统的真实输出或系统的状态)的一种辨识方法，并通过选择辅助模型的参变量使辅助模型的输出逼近这些不可测变量，从而得到系统参数的一致估计[9-10]。文献[11]提出了基于辅助模型递推最小二乘的Hammerstein多信号源辨识辨识，通过辅助模型思想辨识出含输出白噪声的Hammerstein模型参数，但该方法对噪声仅局限于白噪声；文献[12]针对Hammerstein OEMA模型，提出了一种辅助模型的最小二乘辨识算法，通过设计辅助变量代替不可测中间变量辨识出Hammerstein模型线性环节和非线性环节的参数，但该方法需要假设非线性部分的第一项参数为1，具有一定局限性。 在此基础上，本文提出了基于辅助模型递推最小二乘和基于辅助模型遗忘因子随机梯度辨识算法来辨识Hammerste