- 1、本文档共36页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
系统辨识课件4__ok课件.ppt
夏氏改良法的算法流程 ②计算残差e(k),构造Ω阵 ③计算 及 改良法中减少了D及D-1的计算,计算量大为减少。 ①计算 ④返回第②步进行循环迭代,直至 收敛 4.递推夏氏算法 则递推公式为: 算法特点:递推夏氏算法是一种参数增广的递推算法。 式中: 3.8 增广矩阵法 算法特点: (1)无偏估计方法; (2)应用广泛,算法收敛性好; (3)系统参数与噪声参数同时辨识; (4)实际算法中常采用递推方法。 方法简介: 将形成滤波器参数扩充到被辨识参数向量中(相当于辨识参数增广),并采用递推最小二乘法进行估计,称为增广矩阵法。 取: 算法推导 由于式中的ε(k)未知,可用估计的 代替。 即用 代替 : 系统差分方程: 为白噪声。 式中, 宜采用递推算法 采用递推原因:相当于相当于循环迭代功能。 式中: 初值选为: 增广矩阵法的递推算法 递推公式组: 1.不需矩阵求逆的LS算法特点 3.3 一种不需矩阵求逆的最小二乘法 问题提出:在LS估计中,需要计算矩阵(ΦTΦ)的逆,由于矩阵 求逆比较影响辨识速度。能否在LS中避免(ΦTΦ) 的求逆运算?从而提高LS的辨识速度。 (1)不需计算矩阵的逆; (2)辨识精度与基本LS相同; (3)辨识速度比基本LS有较大提高; (4)适合模型阶次n未知的情况下应用; (5)是一种按模型阶次n递推的算法; 2. 算法推导 系统的差分方程为: 上式写成矩阵形式有: 式中: 令k分别等于1,···, N,有N个方程,则有: 式中: 现在任务:由{u(k)}及{y(k)}辨识ai、bi及n。 采用方法:采用模型阶次n的递推方法。 即从n=0开始辨识→n=1→n=2→··· 下面推导按模型阶次n的递推算法。 由 ,可得其LS估计值为: (1)模型阶次n=0的辨识 引入中间变量X: 记n=0时的X为X0: 这里,我们先求Xn。 (2)求 假设模型阶次为n-1时的参数辨识结果已知,也就是 已知,现欲求模型阶次为n时的辨识结果。即求: 式中: 由Φ可知: 根据分块矩阵求逆可得: 令 ,则: 式中: 同理,令 ,则可推得: 式中: 至此, 。已求得。求解步骤: (3)求 (4)求 总结: 1.辅助变量法特点 3.4 辅助变量法(IV) 算法目的:克服基本最小二乘估计的有偏估计问题,得到一种无偏参数估计算法。 (1) 计算与基本最小二乘估计同样简单; (2) 辨识精度高于最小LS估计法; (3) 是一种无偏估计方法; (4) 参数估计时需构造辅助变量矩阵。 2.辅助变量法原理 基本LS有偏估计原因:由于ξ(k)是相关随机序列,使得ΦT阵 与ξ阵相关,从而得不到θ的无偏估计。 解决方法:构造某矩阵ZT,该矩阵与ΦT阵结构、形式完全一 致,且该矩阵与Φ强相关,与ξ阵不相关。相当于 用构造的矩阵ZT替代ΦT阵,从而得到θ的无偏估计。 该构造的矩阵就称为辅助变量矩阵,它满足如下约束条件: 由上式取辅助变量法估计为: 辅助变量法(IV)估计推导 等式两边同乘以ZT阵有: 系统的输入输出方程为: [(2n+1)×N]×[N×(2n+1)] 3.无偏性证明 所以辅助变量法为无偏估计 辅助变量法估计为: 则: 4.辅助变量法的构造方法 IV的构造方法有很多种,我们介绍以下四种方法。 (1) 递推辅助变量参数估计法 (2) 自适应滤波法 (3) 纯滞后法 (4) 塔利原理法 重点掌握第一种方法:递推辅助变量参数估计法。 现在任务:如何构造辅助变量矩阵ZT。 构造原则:与ΦT阵结构、形式完全一致,与Φ阵强相关, 与ξ阵不相关。 递推辅助变量参数估计法 φT与ξ相关,主要是由于φT中的y(k)与ξ(k+1)相关,选取ZT使其不相关即可。 序列为辅助模型的输出,即 矛盾:鸡和蛋谁先有的问题? 解决办法:循环迭代→收敛法 注:第一次计算时,使用 (3)构造Z阵,使用IV法估计 (2)计算 序列 具体步骤如下: (1)应用基本LS法估计 (4)循环迭代计算 返回第二步,重新计算 进行循环迭代,直至 收敛 自适应滤波法 估计步骤: (1)基本LS估计: 辅助变量 及其矩阵Z的构造方法与方法1完全相同。 只是将辅助模型中的 的取值做一定的修改(滤波)。 式中,α取0.01-0.1, d取0-10。 (2)计算 序列: (首次计算用Φ替代Z) (3)构造Z阵,估计 (4)估值滤波: (5)返回第2步,进行循环迭代,直至估值收敛
文档评论(0)