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。     

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(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(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(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(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...     

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广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。     

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(5):基于脉冲响应的迭代参数估计方法

基于系统脉冲响应数据、梯度搜索、牛顿搜索、多新息辨识理论,针对一阶系统、二阶系统、高阶单极点系统传递函数,研究和提出了梯度迭代参数估计方法、牛顿迭代参数估计方法、多新息梯度迭代参数估计方法、多新息牛顿迭代参数估计方法等,所提出的方法可以推广到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。     

滤波辨识(6):输出误差自回归滑动平均系统的滤波辅助模型广义增广迭代参数估计

输出误差自回归滑动平均模型也称为Box-Jenkins模型。针对Box-Jenkins系统,基于滤波辨识理念,研究和提出了滤波辅助模型广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广投影迭代辨识方法、滤波辅助模型广义增广最小二乘迭代辨识方法、滤波辅助模型多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型广义增广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。