论文部分内容阅读
非高斯现象在实际工业生产过程中是普遍存在的。随着人们对系统控制的要求越来越高,以往对于干扰的高斯性假设不能满足需求。研究发现传统针对高斯系统的参数辨识和性能评估方法对于非高斯干扰下的系统并不适用。本文以非高斯干扰下的线性系统性能评估应用为前提,研究了非高斯系统的参数辨识问题,分析已有的控制回路性能评估方法,指出非高斯干扰下系统性能评估所遇到的难点和问题。强调了研究非高斯系统参数辨识算法对于性能评估的重要性。在此基础上,论文的主要工作如下:1、提出利用最小一乘算法替代最小二乘算法进行参数辨识和系统性能评估。首先分析总结了已有的最小一乘求解算法,通过实验对比指出各自的优缺点;然后将其运用到非高斯系统性能评估中。2、将最小误差熵算法和分布估计算法进行结合,提出了新的双重误差熵极小化算法。并将该算法成功应用到非高斯系统的性能评估中。为非高斯干扰下系统的性能评估奠定了基础。大量仿真实验验证了所提的框架和算法在辨识非高斯系统参数的同时,较好地估计出干扰的分布。参数辨识和分布辨识均获得了期望结果。