2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、常規(guī)辨識方法,如最小二乘、卡爾曼濾波和最小均方算法都是采用單新息修正技術(shù)的辨識方法.多新息辨識方法拓寬了新息辨識的概念,它是單新息辨識算法的推廣,它具有良好的收斂性能和克服壞數(shù)據(jù)的能力,具有較強(qiáng)的魯棒性,所以對它的研究既具有重要的理論意義,又具有潛在的應(yīng)用價值.論文基于國家自然科學(xué)基金項目《一類非線性系統(tǒng)辨識建模理論與方法的研究》,擬定了多新息隨機(jī)梯度型辨識方法研究課題,選題屬于應(yīng)用基礎(chǔ)研究,具有理論意義和實用價值。作者在查閱了相關(guān)文獻(xiàn)

2、的基礎(chǔ)上,對有色噪聲干擾系統(tǒng)和輸入非線性系統(tǒng)的多新息辨識問題進(jìn)行了研究,并對提出的部分參數(shù)辨識方法收斂性進(jìn)行了分析,取得了下列研究成果。 線性模型的多新息隨機(jī)梯度型辨識方法: 1.帶()噪聲或有色噪聲干擾的線性模型最小二乘類辨識算法、隨機(jī)梯度型辨識算法的研究相當(dāng)成熟.但最小二乘辨識算法計算量大,隨機(jī)梯度辨識算法的收斂速度較慢.為了提高隨機(jī)梯度型辨識算法的收斂速率,論文首先針對線性受控AR模型(CAR模型),提出了CAR模

3、型的多新息隨機(jī)梯度辨識算法,推導(dǎo)了有色噪聲干擾受控ARMA線性模型(CARMA模型)的多新息增廣隨機(jī)梯度算法,運用隨機(jī)過程理論和鞅理論詳細(xì)的分析CARMA模型的多新息增廣隨機(jī)梯度算法的收斂性,并用仿真例子說明提出的多新息隨機(jī)梯度算法比經(jīng)典的隨機(jī)梯度算法有更快的收斂速度. 2.進(jìn)一步將多新息辨識方法推廣到更為復(fù)雜線性模型的辨識,如動態(tài)調(diào)節(jié)模型(CARAR模型)和一般隨機(jī)系統(tǒng)模型(CARARMA模型),提出了動態(tài)調(diào)節(jié)模型和CAR_A

4、RMA模型多新息廣義隨機(jī)梯度算法和多新息廣義增廣隨機(jī)梯度算法,給出了計算參數(shù)估計的數(shù)學(xué)表達(dá)式和詳細(xì)計算步驟,利用數(shù)字仿真例子對算法辨識效果進(jìn)行了驗證.輸入非線性模型的多新息隨機(jī)梯度型辨識方法: 1.在研究了線性CAR和CARMA模型的多新息(增廣)隨機(jī)梯度辨識方法基礎(chǔ)上,將該方法推廣用于輸入非線性CAR模型的辨識,提出了輸入非線性CAR模型的多新息隨機(jī)梯度辨識算法,給出算法計算參數(shù)估計的步驟.推導(dǎo)出輸入非線性CAR模型的多新息隨

5、機(jī)梯度算法參數(shù)估計誤差界,分析了該辨識算法在持續(xù)激勵條件下參數(shù)估計誤差滿足的條件,數(shù)字仿真結(jié)果也證明了算法的良好性能. 2.針對有色噪聲干擾的輸入非線性模型,給出了輸入非線性有色噪聲干擾CARMA模型的多新息增廣隨機(jī)梯度辨識算法、輸入非線性動態(tài)調(diào)節(jié)模型(CARAR模型)的多新息廣義隨機(jī)梯度辨識方法、輸入非線性CARARMA模型的多新息廣義增廣隨機(jī)梯度辨識算法,也用仿真例子說明了算法的辨識效果。數(shù)字仿真表明:多新息隨機(jī)梯度型辨識方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論