一种多变量CAR模型结构和参数的辨识方法

本文提出了一种用于多变量系统CAR模型结构和参数估计的算法，本文法具有良好的数值计算的稳定性，估计结果的精度高，一旦确定结构后，立即得到参数估计值，没有重复计算，因此计算最小，数值仿真的结果表明本方法的有效性。     

基于规范形随机VDE新息表示和新息修正算法的多变量动态系统辨识方法

本文指出,为避免秩检验步骤,多变量系统辨识必须考虑规范形表示,否则存在可辨识性问题,并提出了基于规范形随机VDE新息表示和新息修正算法的多变量系统辨识方法.一个三输入、三输出系统的仿真例子表明了提出方法的有效性.     

多变量时滞系统的结构辨识

本文利用投影技术提出一种辨识结构的新方法.它能在多变量系统模型参数被估计之前,直接从输入输出数据中确定该模型的时滞因子集.可观指数集及最小估计参数集.     

一种辨识多变量系统结构和参数地递推算法*

本文基于Guidorzi方法,提出一种辨识多变量系统结构和参数的递推算法。本算法通过对矩阵进行分解,根据分解过程中某参数的变化情况,判断矩阵的奇异性,从而辨识出系统的结构和参数,使得原来对矩阵求逆及求行列式的运算变为简单的代数运算,大大减少了辨识过程中的计算量,数值实例表明了这种算法的有效性。     

线性多变量系统的联合辨识算法

本文提出了同时估计线性多变量系统所有参数的联合辨识算法(CIA),并用随机过程理论分析了算法的收敛性。与子系统辨识算法(SSIA)相比,CIA的计算量要小得多。各输出间存在相互作用噪声时的辨识问题通过使用递推广义增广最小二乘法(RGELA)得到解决。数字仿真结果表明了CIA的有效性。     

一类多变量Hammerstein模型的参数辨识方法

通过对系统输入信号的设计,使Hammerstein系统输出只反映系统的线性动态,并将非线性部分的静态影响有效地分离掉.利用最小二乘辨识得到系统的线性动态模型.基于此模型并依据系统的测量输出重构系统的中间输入,进而可估计出非线性部分的参数,据此给出了多变量Hammerstein系统辨识的动态分离方法.仿真结果表明所提出的方法是有效的.     

一种多变量系统辨识法及其在蒸发过程的应用

为有效分析分子蒸馏系统中的蒸发环节,提出了一种带有延迟环节的多变量系统参数辨识方法。采用将多变量系统辨识转化为多个单变量系统辨识的思想,对辨识问题进行简化,并给出了该思想的依据。依据阶跃激励信号下被辨识过程的响应数据建立关系式组,并应用辛普森（Simpson）积分公式得到了关系式组中未知系数,通过对该关系式组的求解最终获得蒸发系统的传递函数矩阵。仿真及实际过程中的应用表明,采用的辨识方法具有较强的可实践性及良好的辨识效果。     

随机线性多变量系统参数估计的偏差校正法

在文［６］研究的基础上，把文［６］中提出的偏差补偿最小二乘法（ＢＥＬＳ）推广到多变量线性系统的辨识中。分析表明，只要有色噪声与系统的输入信号统计不相关，我国总可以通过对输入信号顶滤波的方法将已知零点嵌入到被辨识系统中，然后利用这些零点提供的信息消除噪声引起的辨识偏差。这种方法的特点是其辨识过程不依赖于有色噪声的模型。     

水泥回转窑工作点的多变量系统辨识建模

研究水泥回转窑优化建模问题,水泥回转窑自动控制优化的实现,需要以准确的数学模型作为基础。由于水泥回转窑为高温热工设备,其系统是复杂的非线性系统,要求准确建模。为解决上述问题,提出采用时间序列模型,应用最小二乘的参数寻优方法进行系统辨识,得到某生产线工作点及其附近的线性化模型,用专家智能控制系统软件实现建模。实验结果可见,系统的实际输出与辨识所得模型的输出曲线归一化后拟合良好,表明所得模型在工作点附近可以准确地描述多变量系统,验证了所提时间序列模型辨识建模算法的有效性。     

多变量系统辨识的MUEAIO方法实验验证

当前用智能优化算法进行多变量系统辨识时,普遍存在模型误差大的问题.M次不相关激励和汇总智能优化的方法(MUEAIO)被证明可以解决多变量系统辨识辨不准的问题.但关于M次不相关激励的必要性和充分性还需要更深入的论证.为此,针对一个三入一出的系统,本文设计了五组应用MUEAIO方法的多变量系统辨识仿真实验.实验结果表明:严格执行至少M次不相关激励可得到多变量系统的准确模型,而激励批次不足、或者是不满足不相关激励的条件将得到误差较大的模型,其误差主要表现在模型参数和输出量分量上.     

多变量系统的辅助模型辨识方法的收敛性分析*

丁锋，谢新民[1]假设协方差阵P0-1（t）（s）的最大特征值与最小特征值之比（即条件数）有界，和系统噪声{w（t）}方差有界，证明了辅助模型辨识其法参数估计的一致收致性．本文将分别放松这两个条件，即ⅰ）条件数无界，ⅱ）系统噪声为非平稳噪声，且方差无界，探讨了辅助模型算法的收敛性．分析表明在这种较弱的假设下，辅助模型算法保持很强的鲁棒性，参数估计是一致收敛的．     

随机线性系统参数估计的偏差补偿方法

将偏差补偿最小二乘法（ＢＥＬＳ）推广到一般单输入单输出系统的辨识。结果表明：这种推广的偏差补偿最小二乘法可以在有色噪声下获得系统参数的无偏估计而不需对噪声建模。仿真例子验证了理论分析的正确性。     

随机非线性系统辨识的正交优选算法

本文讨论了基于NARMAX模型描述的非线性系统的结构确定和参数估计。采用正交化手段,使得模型中参数估计相互独立;利用“新息-贡献”准则,并结合其他信息准则优选最有意义的项进入模型。采用可添可删的双向回归算法,使得模型结构与选项顺序无关,从而能唯一确定模型的最优结构。仿真例子说明了该算法的有效性。     

Closed‐Loop Identification for Control of Linear Parameter Varying Systems

This paper deals with system identification for control of linear parameter varying systems. In practical applications, it is often important to be able to identify small plant changes in an incremental manner without shutting down the system and/or disconnecting the controller; unfortunately, closed‐loop system identification is more difficult than open‐loop identification. In this paper we prove that the so‐called Hansen scheme, a technique known from linear time‐invariant systems theory for transforming closed‐loop system identification problems into open‐loop‐like problems, can be extended to accommodate linear parameter varying systems as well. We investigate the identified subsystem's parameter dependency and observe that, under mild assumptions, the identified subsystem is affine in the parameter vector. Various identification methods are compared in direct and Hansen Scheme setups in simulation studies, and the application of the Hansen Scheme is seen to improve the identification performance.     

有色噪声干扰下多变量系统的辅助模型辨识方法

针对有色噪声干扰的多输入多输出系统模型辨识问题,提出了多变量系统的FIR辅助模型辨识方法;其辨识思想是把传递函数矩阵中的子模型等价成辅助模型—有限脉冲相应(FIR)模型,然后利用辨识得到的辅助模型估计输出向量的子子模型,最后利用递推最小二乘算法或帕德近似化方法得到子子模型的参数估计,并通过仿真来验证算法的性能。