共查询到20条相似文献,搜索用时 15 毫秒
1.
基于MATLAB的递推最小二乘法辨识与仿真 总被引:3,自引:0,他引:3
通过对最小二乘算法的分析,推导出了递推最小二乘法的运算公式,提出了基于MATLAB/Simulink的使用递推最小二乘法进行参数辨识的设计与仿真方法。并采用Simulink建立系统的仿真对象模型和运用MATLAB的S-函数编写最小二乘递推算法,结合实例给出相应的仿真结果和分析。仿真结果表明,该仿真方法克服了传统编程语言仿真时繁杂、难度高、周期长的缺点,是一种简单、有效的最小二乘法的编程仿真方法。 相似文献
2.
3.
徐晓 《计算技术与自动化》1990,9(2):11-15
本文介绍了ARMA模型的格型迭代法,并以在格型算法中具有最快收敛速率的最小二乘格型算法为基础获得了 ARMA模型最小二乘格型迭代递推辨识法。针对此算法最小二乘格型迭代递推辩识法计算机模拟辨识表明,该方法具有较好的辨识性能,且有一定的抗噪能力。 相似文献
4.
5.
6.
引言在系统辨识中,系统单位脉冲响应的辨识得到了广泛的应用。这不仅因为单位脉冲响应本身就是系统的非参数模型,而且在多步最小二乘法辨识系统参数模型中,也要首先辫识系统单位脉冲响应。单位脉冲响应辨识一般有五种方法:最小二乘法、相关分析法、m序列法、逆重复M序列法和递推最小二乘法。其中逆重复M 相似文献
7.
8.
为使T-S模型在线辨识时能够更加合理地划分模糊空间,提出一种根据相邻聚类中心距离确定模糊空间重叠系数的方法.将该方法与一次完成最小二乘法、递推最小二乘法相结合,得到了一种辨识精度较高的T-S模型在线辨识算法.以某型号单晶炉热场的实际运行数据为对象,应用所提出的算法对热场模型进行在线辨识.辨识结果表明,由该辨识算法得到的单晶炉热场模型具有较高的精度. 相似文献
9.
系统辨识中广泛应用的最小二乘算法需要输入向量序列满足持续激励性条件(PE条件); 但在大多情况下这是难以满足的. 本文提出了一种不依赖于PE条件的递推最小二乘、最小范数辨识算法. 首先分析了最小二乘算法解空间的结构, 并运用罚函数方法, 将参数辨识问题转化为无约束优化问题. 然后, 提出了将步长、罚因子等过程控制参数统一的迭代-递推形式的辨识算法, 证明了算法在给定的控制参数约束下收敛于唯一的最小二乘、最小范数解向量. 仿真实验表明在非PE条件下算法的有效性. 相似文献
10.
针对参数辨识中最小二乘法(LS)存在的缺点,讨论了一种用迭代的松弛算法对最小二乘辨识的改进方法-广义最小二乘(GLS)辨识,并介绍了其基于Matlab的仿真和分析方法。首先简述参数辨识的概念、最小二乘法辨识存在的主要缺点和广义最小二乘法的基本原理,之后简要介绍了Matlab系统辨识工具箱及其中参数辨识的实现方法,最后结合实例给出相应的仿真程序及其结果分析,仿真结果表明:该方法辨识精度高,明显优于最小二乘辨识。 相似文献
11.
多层前向神经网络的RLS训练算法及其在辨识中的应用 总被引:18,自引:0,他引:18
本文提出了一种基于递推最小二乘法(RLS)的多层前向神经网络的快速学习算法,并用其对非线性过程进行辨识,仿真及对实际例子的辨识结果表明本文提出的方法是有效的。 相似文献
12.
本文研究多变量线性系统的结构和参数辨识.利用解不定对称系数方程组的方法,导出了搜索系统结构特征值的最小二乘递推算法.并提出了一个判断系统结构的新准则——系统特征方程系数符号检验法.把两者结合在一起,构成了完整的多变量系统结构和参数辨识的递推最小二乘法,并给出了仿真例子. 本方法也可作为最小二乘的各种改进算法(如广义最小二乘法等)的基础. 相似文献
13.
许多实际系统可以表示成一种中间为线性动态环节、输入输出端为非线性静态环节的Hammerstein-Wiener模型. 针对含过程噪声的Hammerstein-Wiener模型, 提出一种改进在线两阶段辨识方法. 第一步采用偏差补偿递推最小二乘法在线辨识含原系统参数乘积项的参数向量. 通过在递推最小二乘算法中引入一个修正项, 补偿过程噪声引起的估计偏差. 第二步采用基于张量积逼近的奇异值分解法分离出原系统各参数的值. 通过引入两个矩阵的张量积逼近加权最小二乘的权系数, 提高参数分离精度. 理论分析和计算机仿真验证了本文方法的有效性. 相似文献
14.
一种模糊辨识方法及其在电站仿真器中的应用 总被引:4,自引:0,他引:4
利用模糊聚类和最小二乘估计方法提出一种糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并利用递推最小二乘估计辨识模糊模型的后件参数。采用该方法对火力发电厂电站仿真器中的汽轮发电机密封油冷却系统进行建模研究,取得了满意的效果。 相似文献
15.
16.
17.
18.
有色噪声干扰输出误差系统的偏差补偿递推最小二乘辨识方法 总被引:1,自引:0,他引:1
借助于偏差补偿原理和预滤波思想, 推导了有色噪声干扰输出误差系统参数估计的偏差补偿递推最小二乘 (Bias compensation recursive least squares, BCRLS) 辨识方法. 该方法降低了辨识对输入信号平稳性的要求, 实现了偏差补偿方法参数估计的递推计算, 可以用于在线辨识. 提出的递推 BCRLS 辨识方法优于非递推偏差补偿最小二乘算法, 提高了参数估计精度. 仿真试验证实了算法的有效性. 相似文献
19.
针对损失数据线性参数系统的参数辨识问题, 借助辅助模型辨识思想推导出其变递推间隔辅助模型递 推最小二乘算法.为了提高该算法的计算效率, 利用分解技术得到变递推间隔分解递推最小二乘算法 估计系统参数.此外, 在变递推间隔分解递推最小二乘算法中引入遗忘因子, 从而提高参数估计精度和收敛速度.仿真结果表明, 所提出的算法能有效估计系统参数. 相似文献
20.
介绍了基于递推最小二乘法进行系统辨识的基本原理,对给定的实际输入输出数据运用MATLAB的M语言编写递推最小二乘算法,最后给出相应的仿真结果和分析,并对得到的模型进行验证。 相似文献