传递函数辨识(7):基于脉冲响应的递阶迭代参数估计方法

基于系统的脉冲响应观测数据,利用梯度搜索和牛顿搜索,研究和提出辨识系统传递函数参数的递阶(多新息)梯度迭代方法、递阶(多新息)牛顿迭代方法、递阶递推梯度迭代方法及递阶递推牛顿迭代方法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点传递函数参数的辨识以及任意非线性函数的参数估计。     

传递函数辨识(13):频率响应迭代参数估计(并联情形)

针对不同惯性环节并联而成的系统,基于系统的实频特性和虚频特性数据,利用梯度搜索、牛顿搜索,以及多新息辨识理论和耦合辨识概念,分别研究了实频特性、虚频特性、实频虚频联合、实频虚频耦合的梯度迭代算法、多新息梯度迭代算法、牛顿迭代算法和多新息牛顿迭代算法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭零点极点、重零点极点传递函数的参数辨识以及任意非线性函数的参数估计。     

传递函数辨识(6):基于脉冲响应的递阶参数估计方法

基于系统的脉冲响应观测数据,利用梯度搜索和牛顿搜索,研究和提出辨识系统传递函数参数的递阶最小均方方法、递阶随机梯度方法、递阶多新息随机梯度方法、递阶梯度方法、递阶牛顿递推方法、递阶多新息递推梯度方法、递阶多新息牛顿递推方法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点传递函数参数的辨识以及任意非线性函数的参数估计。     

传递函数辨识(4):基于脉冲响应的递推参数估计方法

即使对于线性时不变系统,脉冲响应也是系统参数的高度非线性函数。利用系统的脉冲响应观测数据和非线性优化方法,论文提出了一阶系统、二阶系统、高阶单极点系统传递函数的最小均方参数估计方法、随机梯度参数估计方法、多新息随机梯度参数估计方法等,以及高阶单极点系统的递推梯度参数估计算法和牛顿递推参数估计方法等。提出的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点高阶传递函数参数的辨识。     

传递函数辨识(14):频率响应迭代参数估计(串联情形)

针对不同一阶环节串联而成的系统,基于系统的幅频特性和相频特性观测数据,分别研究了幅频特性、相频特性、幅频相频联合、幅频相频耦合的梯度迭代算法、多新息梯度迭代算法、牛顿迭代算法和多新息牛顿迭代算法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭零点极点、重零点极点传递函数的参数辨识以及任意非线性函数的参数估计。     

传递函数辨识(12):频率响应递推参数估计(串联情形)

针对不同环节串联而成的系统,根据系统的幅频特性数据和相频特性数据,利用梯度搜索、牛顿搜索,以及多新息辨识理论和耦合辨识概念,分别研究了幅频特性、幅频相频联合、幅频相频耦合的最小均方算法、随机梯度算法、多新息随机梯度算法、递推梯度算法、多新息递推梯度算法、牛顿递推算法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭零点极点、重零点极点传递函数的参数辨识以及任意非线性函数的参数估计。     

传递函数辨识(8):基于正弦响应的参数估计方法

针对不同极点惯性环节并联系统和不同极点惯性环节串联系统,利用多频组合正弦信号作为输入,通过测量系统的输出数据,基于二次优化和非线性优化技术,推导了估计传递函数参数的最小均方算法、随机梯度算法、多新息随机梯度算法、递推梯度算法等,并与梯度迭代算法、牛顿迭代算法相结合,提出了辨识传递函数参数的耦合递推—迭代辨识算法,文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点传递函数参数的辨识以及任意非线性函数的参数估计。     

传递函数辨识(10):基于频率响应的迭代参数估计方法

利用系统的频率特性观测数据,研究和提出一般传递函数参数的迭代辨识方法,包括梯度迭代辨识方法、多新息梯度迭代辨识方法、最小二乘(迭代)辨识方法、多新息最小二乘(迭代)辨识方法,以及联合迭代辨识方法和耦合迭代辨识方法。文中的方法对一般线性时不变系统传递函数参数辨识是有效的,对共轭极点、重极点等没有限制。     

信号建模(4):多频信号模型的迭代参数估计

利用梯度搜索、牛顿搜索、多新息辨识理论,针对多频正弦信号模型,提出了梯度迭代参数估计方法、滑动数据窗梯度迭代参数估计方法、有限数据牛顿迭代参数估计方法等,最后给出了几个典型参数估计算法的计算步骤。     

传递函数辨识(11):频率响应递推参数估计(并联情形)

工程中,频率特性又称频率响应。针对不同极点惯性环节并联而成的系统,利用正弦激励信号作为输入,通过测量系统的频率特性观测数据,基于二次优化和非线性优化技术,推导了估计传递函数参数的最小均方算法、随机梯度算法、多新息随机梯度算法、递推梯度算法、多新息递推梯度算法、牛顿递推算法,以及结合实频特性和虚频特性观测数据的联合递推辨识算法和耦合递推辨识算法。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点传递函数参数的辨识以及任意非线性函数的参数估计。     

传递函数辨识(9):基于频率响应的递推参数估计方法

利用系统的频率特性观测数据,研究和提出一般传递函数参数的递推辨识方法,包括投影辨识方法、随机梯度辨识方法、多新息随机梯度辨识方法、递推梯度辨识方法、多新息递推梯度辨识方法、递推最小二乘辨识方法、多新息最小二乘辨识方法,以及联合递推辨识方法和耦合递推辨识方法。文中的方法是针对一般传递函数提出的,因此也适合有共轭极点、重极点线性时不变系统的参数辨识。     

《青岛科技大学学报(自然科学版)》第38卷(2017)总目次

递推辨识和迭代辨识构成了两大类辨识方法族。利用递阶辨识原理、多新息辨识理论,针对多频标准正弦信号的建模问题,提出了递阶梯度迭代参数估计方法、递阶多新息梯度迭代参数估计方法、递阶牛顿迭代参数估计方法等。给出了几个典型辨识算法的计算流程和计算步骤。文中的方法可以推广到其它多频信号模型的参数辨识。     

信号建模(6):多频信号模型的递阶迭代参数估计

递推辨识和迭代辨识构成了两大类辨识方法族。利用递阶辨识原理、多新息辨识理论,针对多频标准正弦信号的建模问题,提出了递阶梯度迭代参数估计方法、递阶多新息梯度迭代参数估计方法、递阶牛顿迭代参数估计方法等。给出了几个典型辨识算法的计算流程和计算步骤。文中的方法可以推广到其它多频信号模型的参数辨识。     

信号建模(3):多频信号模型的递推参数估计

利用梯度搜索、牛顿搜索、多新息辨识理论,研究多频标准正弦信号的建模问题,提出了相应的最小均方参数辨识算法、随机梯度参数辨识算法、多新息随机梯度参数辨识算法、递推梯度参数辨识算法、牛顿递推参数辨识算法等,给出了几个典型辨识算法的计算步骤。文中的方法可以推广到其它多频信号模型的参数辨识。     

系统辨识(8):耦合辨识概念与方法

耦合辨识是系统辨识的一个重要分支,是新近发展和提炼形成的一种辨识概念,主要用于研究结构复杂的参数耦合线性和非线性多变量系统的辨识问题.辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念是本文作者提出的一些新的辨识研究思路、理念和方法,分别能够用于研究存在未知过程变量的不可测系统的辨识,能够提高辨识方法的收敛速度和参数估计精度,能够解决结构复杂、大规模多变量系统及参数耦合多变量系统的辨识问题、减小辨识算法的计算量.首先介绍多变量系统耦合辨识概念,在此基础上讨论多变量系统的几种(全)耦合最小二乘辨识方法、(全)耦合随机梯度辨识方法、部分耦合随机梯度辨识方法、部分耦合最小二乘辨识方法等,最后说明耦合辨识方法可推广用于有色噪声干扰多变量系统的辨识,并列出了一些多变量系统模型结构,阐述了耦合辨识概念可以结合辅助模型辨识思想、多新息辨识理论、递阶辨识原理、迭代搜索原理(梯度迭代、最小二乘迭代、牛顿迭代)等来研究线性或非线性多变量系统的辨识问题     

信号建模(5):多频信号模型的递阶参数估计

利用梯度搜索、多新息辨识理论、递阶辨识原理,针对多频标准正弦信号的建模问题,提出了动态数据下递阶梯度参数估计算法、递阶随机梯度参数估计算法、移动数据窗递阶多新息随机梯度参数估计算法、递增数据长度下递阶梯度估计算法等,给出了几个典型辨识算法的计算步骤。文中的方法可以推广到其它多频信号模型的参数辨识。     

滤波辨识(4):方程误差自回归系统的滤波广义迭代参数估计

受控自回归自回归模型也称为方程误差自回归模型。利用采集的批量数据和迭代搜索,论文基于滤波辨识理念,研究和提出了方程误差自回归系统的滤波广义梯度迭代辨识方法、滤波多新息广义梯度迭代辨识方法、滤波广义最小二乘迭代辨识方法、滤波多新息广义最小二乘迭代辨识方法。这些滤波广义迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。     

类多变量方程误差类系统的递阶多新息辨识方法

根据递阶辨识原理,研究了类多变量方程误差系统和类多变量方程误差ARMA系统递阶随机梯度方法和递阶梯度迭代方法、递阶最小二乘方法和递阶最小二乘迭代方法.进一步利用多新息辨识理论,推导了递阶多新息梯度辨识方法和递阶多新息最小二乘辨识方法.为减小计算量,推导了基于滤波的类多变量方程误差ARMA系统递阶辨识方法和递阶多新息辨识方法.讨论了几个典型辨识算法的计算量,并给出了计算参数估计的步骤.     

传递函数辨识(18):输出误差模型的辅助模型递阶迭代参数估计

针对输出误差系统,利用迭代搜索原理,研究了辅助模型梯度迭代算法、辅助模型最小二乘迭代算法、辅助模型多新息梯度迭代算法、辅助模型多新息最小二乘迭代算法;利用递阶辨识原理,研究了辅助模型递阶梯度迭代算法、辅助模型递阶多新息梯度迭代算法、辅助模型递阶最小二乘迭代算法、辅助模型递阶多新息最小二乘迭代算法等.这些辨识方法可以推广...     

传递函数辨识(22):线性回归系统的递阶迭代参数估计

利用迭代搜索和递阶辨识原理,以线性回归系统为例,讨论了递阶梯度迭代辨识方法、递阶多新息梯度迭代辨识方法、递阶最小二乘迭代辨识方法、递阶多新息最小二乘迭代辨识方法,并给出引入加权因子和遗忘因子的递阶迭代辨识方法等.这些迭代辨识方法可以推广到有色噪声的随机系统中.