梯度校正参数辨识法及原理(201210版).pptVIP

* * 系统辨识 第5章 梯度校正参数辨识方法 主讲教师：赵 龙 办公地点：新主楼E402 网 站：dnc.buaa.edu.cn Email：flylong@buaa.edu.cn 1、确定性问题的梯度校正参数辨识法 2、不确定性问题的梯度校正参数辨识法 本章内容 本章的学习目的 1、了解梯度校正参数辨识方法的基本原理 2、理解梯度校正法和最小二乘法的区别 最小二乘类参数辩识递推算法 新的参数估计值=老的参数估计值+增益矩阵 新息 梯度校正参数辩识方法（简称梯度校正法） 递推算法同样具有 的结构 基本原理不同于最小二乘类方法 基本做法 —— 沿着准则函数的负梯度方向，逐步修正模型参数估计值，直至准则函数达到最小值。 1、问题的提出 确定性问题的梯度校正参数辩识方法 随机性问题的梯度校正参数辩识方法 随机逼近法 1、问题的提出 2 确定性问题的梯度校正参数辩识方法 设过程的输出 参数 的线性组合 如果输出 和输入 是可以 准确测量的，则 式过程称作确定性过程 确定性过程 令 过程 2 确定性问题的梯度校正参数辩识方法 若过程参数的真值记作 则 在离散时间点可写成 其中 2 确定性问题的梯度校正参数辩识方法 例如 用差分方程描述的确定性过程 可以化成 2 确定性问题的梯度校正参数辩识方法 现在的问题 如何利用输入输出数据 和 确定参数 在 时刻的估计值 使准则函数 式中 2 确定性问题的梯度校正参数辩识方法 解决上述问题的方法 可以是梯度校正法，通俗地说最速下降法 沿着 的负梯度方向不断修正 值 直至 达到最小值 2 确定性问题的梯度校正参数辩识方法 数学表达式 —— 维的对称阵，称作加权阵 ——准则函数 关于 的梯度 2 确定性问题的梯度校正参数辩识方法 当准则函数 取 2 确定性问题的梯度校正参数辩识方法 确定性问题的梯度校正参数估计递推公式 其中权矩阵的选择至关重要 2 确定性问题的梯度校正参数辩识方法 随机性问题的提法 确定性问题的梯度校正法与其它辩识方法相比 最大的优点：计算简单 缺点：如果过程的输入输出含有噪声，这种方法不能用 随机性问题的梯度校正法 特点：计算简单，可用于在线实时辩识 缺陷：事先必须知道噪声的一阶矩和二阶矩统计特性 3 随机性问题的梯度校正参数辩识方法 随机性问题 3 随机性问题的梯度校正参数辩识方法 设过程的输出 模型参数 的线性组合 输入输出数据含有测量噪声 3 随机性问题的梯度校正参数辩识方法 其中 和 为零均值的不相关随机噪声 3 随机性问题的梯度校正参数辩识方法 令 则 3 随机性问题的梯度校正参数辩识方法 现在的问题 利用输入输出数据 和 确定参数 在 时刻的估计值 使准则函数 其中 3 随机性问题的梯度校正参数辩识方法 *