首页> 中文学位 >抗扰辨识时滞非线性系统Hammerstein模型
【6h】

抗扰辨识时滞非线性系统Hammerstein模型

代理获取

目录

声明

1 绪论

1.1 课题背景及意义

1.2 课题研究现状

1.3 本文主要工作

2 基于遗忘因子抗扰辨识Hammerstein非线性模型

2.1 问题描述

2.2 自适应遗忘因子法

2.3 遗忘因子矩阵法

2.4 仿真案例

2.5 本章小结

3 基于分离策略抗扰辨识Hammerstein非线性模型

3.1 模型分解

3.1.1 基于分离策略的抗扰辨识算法

3.1.2 正则化最小二乘递推辨识算法

3.2 算法收敛性分析

3.3 仿真案例

3.4 本章小结

4 基于多新息抗扰辨识Hammerstein 非线性模型

4.1 多新息抗扰辨识算法

4.2 正则化多新息最小二乘递推辨识算法

4.3 仿真案例

4.4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文和申请专利情况

致谢

大连理工大学学位论文版权使用授权书

展开▼

摘要

在工业生产过程中,时滞和负载扰动是普遍存在的。本文针对时滞非线性Hammerstein输出误差模型(HOE模型),研究了在不同负载干扰下的模型参数辨识方法。 针对在时变负载下时滞Hammerstein非线性系统。本文提出遗忘因子最小二乘算法。该算法的思想是将负载扰动视为一个时变参数处理,增广信息向量和参数向量,得出输出响应的线性回归形式。定义一个自适应遗忘因子的误差准则函数,推导出了遗忘因子最小二乘递推算法。但是参数向量包含模型参数和负载扰动两类。因此将标量自适应遗忘因子转化为一个自适应遗忘因子矩阵,得到了遗忘因子矩阵最小二乘递推算法。在自适应遗忘因子矩阵中,包括两个自适应遗忘因子,分别对用于加快模型参数收敛率和跟踪时变负载扰动。对于时滞参数的估计,通过给定时滞搜索区间,找到该时滞区间内误差准则函数的最小值,从而得到时滞参数。 基于分离策略和交互估计准则,将Hammerstein非线性系统分解为两个子系统。这两个子系统分别包含模型参数和时变负载扰动。在其中一个子系统中将负载当作一个参数。然后,对这两个子系统分别构造自适应遗忘因子误差准则函数,得到了用于估计模型参数和负载扰动的两个最小二乘算法,这两个算法之间进行交互估计迭代,可得相关参数的辨识结果。基于持续激励理论,对所提的分离策略算法的收敛性进行了分析。 最后,基于分离策略思想将Hammerstein系统分解成两个子系统。定义了带自适应遗忘因子的多新息误差准则函数,得到了多新息递推最小二乘算法。从而得到了系统模型参数估计值。多新息的思想是将标量新息扩展成一个矩阵新息,起到改善参数估计精度的作用。由于负载变化的不确定性,多新息反而会造成误差累积。因此,采用标准最小二乘算法估计。通过这两个算法交互估计,加快了模型参数估计收敛速度和对负载扰动的实时跟踪。对于上述方法中信息向量中包含的未知中间变量,通过辅助模型方法估计未知中间变量。

著录项

  • 作者

    杜俊;

  • 作者单位

    大连理工大学;

  • 授予单位 大连理工大学;
  • 学科 控制工程
  • 授予学位 硕士
  • 导师姓名 刘涛;
  • 年度 2019
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类
  • 关键词

    抗扰; 辨识; 时滞非线性系统;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号