多元伪线性回归系统部分耦合多新息随机梯度类辨识方法.pdfVIP

文章编号：１６７４⁃７０７０（２０１４）０２⁃００９７⁃１６ １，２，３ １ １ 丁锋 　 汪菲菲　 汪学海 多元伪线性回归系统部分耦合 多新息随机梯度类辨识方法 摘要 ０　 引言 针对多元伪线性滑动平均系统，讨 论了多元增广随机梯度算法，为减小算 　 　 系统辨识是研究静态和动态系统的建模理论与方法，建立系统 法的计算量，将系统分解为一些子系统， ［１⁃２］ 数学模型有机理方法与统计方法 ．机理方法可以获得系统的模型 给出了子系统增广随机梯度算法，利用 耦合辨识概念和多新息辨识理论，推导 结构形式，即表示系统运动规律的方程式．模型的参数（即方程中有关 了部分耦合（子系统）增广随机梯度算 变量的系数）可以通过测量获得，也可以通过试验采集系统的输入输 法、部分耦合（子系统）多新息增广随机 出数据，用某种辨识方法计算得到．后者称为统计建模方法或统计辨 梯度算法．进一步将提出的方法推广到 ［３⁃５］ 多元伪线性自回归滑动平均系统，给出 识方法 ．多少年来，一些辨识方法层出不穷，如最小二乘辨识方法、 了部分耦合（子系统）广义增广随机梯度 ［６］ ［７］ 随机梯度辨识方法、辅助模型辨识方法 、迭代辨识方法 、多新息 算法、部分耦合（子系统）多新息广义增 ［８］ ［９］ ［１０］ 辨识方法 、递阶辨识方法 、耦合辨识方法 等．辨识领域存在一 广随机梯度算法．文中分析了多元增广 随机梯度算法、部分耦合增广随机梯度 系列重要的理论问题，例如存在不可测变量的系统辨识、复杂结构非 算法、部分耦合多新息增广随机梯度算 线性系统的辨识，以及辨识算法的计算效率问题［１１⁃１３］、耦合多新息随 法的计算量． ［１４］ 机梯度算法 等． 关键词 参数估计；递推辨识；梯度有哪些信誉好的足球投注网站；最 实际系统是复杂的，而且存在干扰噪声．尽管系统中有许多变量 小二乘；辅助模型辨识思想；多新息辨识 可以用检测仪器测量得到，但有些关键变量还缺乏在线检测手段，或 理论；递阶辨识原理；耦合辨识概念；多 在线检测仪器十分昂贵，需要采集样品在实验室化验分析得到．在这 元系统 种情形下，可用系统的大量观测信息建立一个辅助模型，利用辅助模 中图分类号 ＴＰ２７３ 型的输出代替系统的不可测变量，从而利用系统的输入输出数据和 文献标志码 Ａ 辅助模型的输出，来研究这类存在不可测变量的辨识问题，这就是辅 ［１，６］ 助模型辨识思想 ． 不同的辨识方法具有不同的收敛速度，即使在相同数据长度下， 获得的模型参数精度也是不一样的，即不同的辨识方法从输入输出 数据中提取信息的能力是不一样的，如最小二乘方法从输入输出数 收稿日期 ２０１４⁃０４⁃０８ 据中提取信息的能力比随机梯度方法强，但随机梯度方法的计算量 资助项目 国家自然科学基金；江 苏省自然科学基金（ＢＫ２０１２５４９） 小．我们将能改进系