论文部分内容阅读
传统递推辨识算法一般是由相应的离线算法扩展得到的，而当这些离线的寻优算法没有解析解时，相应的递推算法就只是离线算法的一种近似，在辨识准确度上要低一些，有很大的改进空间。以此为动机，本文遵循着一般做法，首先用高斯牛顿法分别推导了基于ARMAX 模型的离线和递推辨识算法，随后在此基础上引入了多次迭代的思想，介绍并比较了几种多迭代的做法，实现了两种多迭代递推辨识算法。仿真结果表明，采用多次迭代的递推辨识算法与传统算法相比，能够提高参数估计的精度，并且拥有更快的收敛性。