基于有限信息的非线性系统和多变量系统辨识方法的研究

摘要

控制理论历经多年发展之后，各种经典控制方法和先进控制方法都取得了很大的进展，并在工业生产中广泛的实施应用。但是控制器能够被设计并成功应用都要有达到一定精度要求的数学模型作支撑，因此有效的系统辨识方法是控制策略成功实施的关键。本论文从辨识数据的滤波处理、辨识原理、数字仿真等方面入手，对系统辨识过程进行研究讨论，主要做了如下的工作:
　　 1、介绍辨识实验阶段常用的测试信号及其选取原则。在数据处理方面，着重讨论小波分析在数据消噪方面的应用。对常用的辨识方法:最小二乘、粒子群优化算法等进行介绍，并通过数字仿真实验来分析各方法的优缺点。
　　 2、带有滑动平均噪声的多变量系统的参数通常难以辨识，利用递阶辨识原理和迭代辨识原理，并结合加速收敛技术，实现多变量系统参数的准确辨识。该方法根据递阶辨识原理将多变量系统成功分解成两个子系统，使其分别含有参数向量和参数矩阵，再根据迭代辨识原理得到参数的迭代解。仿真实验表明，该方法可以得到很好的辨识结果，而加速收敛技术的应用显著提高了参数的收敛速度。
　　 3、非线性系统由于对其结构缺少准确的表述方法，一直都是辨识的难题，因此，利用非线性的有限信息特性，文中提出了一种对非线性系统的线性和非线性部分依次进行辨识的方法。该方法首先根据系统非线性部分的有限信息，例如符号信息，单调信息等，辨识出系统的线性部分，再构造出中间信号，实现对非线性结构和参数的同时辨识。结合改进的粒子群优化算法可以很高精度的辨识出系统的参数，仿真实验表明该方法的辨识精度高，是非线性系统辨识一种有效的方法。

目录

声明

学位论文数据集

摘要

第一章 绪论

1．1 本课题的研究背景及意义

1．2 系统辨识的研究状况

1．2．1 系统辨识的产生及发展

1．2．2 系统辨识的主要步骤

1．2．3 系统辨识的主要方法

1．2．4 多变量系统和非线性系统的辨识

1．3 本论文的工作

第二章 辨识实验的激励信号与辨识数据的预处理

2．1 引言

2．2 系统辨识实验中常用的激励信号

2．2．1 二进制伪随机信号

2．2．2 阶跃变化信号

2．2．3 广义二进制信号(GBN)

2．3 激励信号的选取原则

2．4 常用的数据滤波方法

2．4．1 平均值滤波方法

2．4．2 中值滤波方法

2．4．3 卡尔曼滤波方法

2．5 小波变换滤波法

2．5．1 小波变换进行数据消噪的原理

2．5．2 小波变换进行数据消噪的应用

2．6 小结

第三章 常用辨识方法的研究与仿真

3．1 引言

3．2 最小二乘及其推广方法的研究

3．2．1 最小二乘的基本原理

3．2．2 递推最小二乘法及仿真研究

3．2．3 广义最小二乘法及仿真研究

3．3 改进的随机数直接搜索算法与仿真研究

3．3．1 NLJ算法的原理

3．3．2 数字仿真实验

3．4 粒子群优化算法与仿真研究

3．4．1 基本粒子群算法的原理

3．4．2 数字仿真实验

第四章 基于加速技术和递阶迭代原理的多变量系统辨识算法

4．1 引言

4．2 多变量系统辨识问题的描述

4．3 多变量系统的辨识算法

4．3．1 基于递阶原理与迭代原理的辨识算法

4．3．2 加速收敛技术

4．4 仿真研究

4．5 小结

第五章 基于有限信息的维纳模型辨识方法的研究

5．1 引言

5．2 维纳模型辨识问题及优化算法的描述

5．2．1 维纳模型辨识问题

5．2．2 PSO-Rosenbrock优化算法

5．3 维纳模型线性部分的辨识

5．3．1 基于原点信息的辨识方法

5．3．2 基于符号信息的辨识方法

5．3．3 基于单调信息的辨识方法

5．4 维纳模型非线性部分的辨识

5．5 小结

第六章 总结与展望

6．1 全文总结

6．2 今后工作的展望

参考文献

致谢

研究成果及发表的学术论文

作者和导师简介

硕士研究生学位论文答辩委员会决议书