输出误差滑动平均系统的递阶增广随机梯度算法.docxVIP

输出误差滑动平均系统的递阶增广随机梯度算法

姜晓坤;籍艳;万立娟【期刊名称】《《青岛科技大学学报(自然科学版)》》【年(卷)，期】2019(040)006【总页数】5页(P106-110)【关键词】辅助模型;随机梯度;参数估计;分层识别;计算量【作者】姜晓坤;籍艳;万立娟【作者单位】青岛科技大学自动化与电子工程学院山东青岛266061;青岛科技大

学数理学院山东青岛266061

【正文语种】中文

【中图分类】TP273

系统辨识是研究从观测到的、含有噪声的输入输出数据中建立数学模型的理论与方法［1］。广泛应用于许多科学和工程领域，如航空航天［2］、电力系统［3］、在线控制［4］、生物生态系统［5］等。随着科学技术的发展，现代化生产规模不断提高，工业设备的复杂程度逐渐增加，在对高维数、结构复杂、大规模系统进行在线辨识时，系统计算量急剧增加。为了解决这一问题，本工作针对输出误差滑动平均(OEMA)系统，提出了一种两阶段递推辨识算法。近年来，两阶段辨识算法被广泛应用，例如DUAN［6］提出了一种输出误差模型的两阶递推最小二乘算法，与基于辅助模型的递归最小二乘算法相比，该算法具有较小的计算量；YAO［7］提出了受控自回归滑动平均(CARMA)模型的两阶段最小二乘迭代辨识算法，仿真结果显示，该算法计算量小且收敛速率快；JIN和XIA［8］提出了闭环多变量系统的两