论文部分内容阅读
系统辨识(System Identification)是处理从系统的观察数据建立动态数学模型的问题,与控制理论、状态估计共同作为现代控制论的三大组成部分,是自动化控制的基础。参数辨识是系统辨识的重要组成部分。在工业过程中所涉及的系统大多数具有非线性特性,以致非线性系统的参数辨识具有十分重要的意义。本文主要针对由静态非线性环节和动态线性环节前后组合而成的Hammerstein模型,研究了含复杂非线性环节的Hammerstein模型的几种参数辨识方法。此外,还对一类复杂线性系统的参数辨识问题进行研究,为今后将其作为系统的线性环节拓展至Hammerstein非线性系统打下基础。阐述了在上述情况下相应算法的理论推导和仿真实验等问题,得到了相应的辨识结果。本文主要工作如下:1、介绍系统辨识尤其是Hammerstein系统参数辨识的发展历程和研究现状,并对系统辨识的常用信号、常见模型及常用方法等基础知识进行了描述。2、针对一类含滞后的饱和无记忆非线性环节,将其作为Hammerstein方程误差模型即Hammerstein受控自回归模型(Hammerstein CAR model)的非线性部分,研究随机梯度法及引入遗忘因子的改进算法,还结合多新息方法得到含遗忘因子的多新息梯度辨识方法进行参数辨识,通过仿真得到相应结果。3、针对一种可以统一描述死区、饱和、滞后、预加载等4种典型不连续非线性特性的结构,结合Hammerstein输出误差模型(Hammerstein OE model)进行研究。使用递推最小二乘法对研究对象进行仿真得到相应的参数辨识结果。4、针对一类复杂线性输出误差类模型,研究辅助模型最小二乘法和随机梯度法,并结合迭代方法得到迭代最小二乘法和迭代梯度法进行参数辨识,将其作为Hammerstein系统的线性部分为今后的参数辨识方法研究打下基础。