基于有限信息的非線性系統(tǒng)和多變量系統(tǒng)辨識(shí)方法的研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、控制理論歷經(jīng)多年發(fā)展之后,各種經(jīng)典控制方法和先進(jìn)控制方法都取得了很大的進(jìn)展,并在工業(yè)生產(chǎn)中廣泛的實(shí)施應(yīng)用。但是控制器能夠被設(shè)計(jì)并成功應(yīng)用都要有達(dá)到一定精度要求的數(shù)學(xué)模型作支撐,因此有效的系統(tǒng)辨識(shí)方法是控制策略成功實(shí)施的關(guān)鍵。本論文從辨識(shí)數(shù)據(jù)的濾波處理、辨識(shí)原理、數(shù)字仿真等方面入手,對(duì)系統(tǒng)辨識(shí)過程進(jìn)行研究討論,主要做了如下的工作:
   1、介紹辨識(shí)實(shí)驗(yàn)階段常用的測(cè)試信號(hào)及其選取原則。在數(shù)據(jù)處理方面,著重討論小波分析在數(shù)據(jù)消噪方面

2、的應(yīng)用。對(duì)常用的辨識(shí)方法:最小二乘、粒子群優(yōu)化算法等進(jìn)行介紹,并通過數(shù)字仿真實(shí)驗(yàn)來分析各方法的優(yōu)缺點(diǎn)。
   2、帶有滑動(dòng)平均噪聲的多變量系統(tǒng)的參數(shù)通常難以辨識(shí),利用遞階辨識(shí)原理和迭代辨識(shí)原理,并結(jié)合加速收斂技術(shù),實(shí)現(xiàn)多變量系統(tǒng)參數(shù)的準(zhǔn)確辨識(shí)。該方法根據(jù)遞階辨識(shí)原理將多變量系統(tǒng)成功分解成兩個(gè)子系統(tǒng),使其分別含有參數(shù)向量和參數(shù)矩陣,再根據(jù)迭代辨識(shí)原理得到參數(shù)的迭代解。仿真實(shí)驗(yàn)表明,該方法可以得到很好的辨識(shí)結(jié)果,而加速收斂技術(shù)的應(yīng)用

3、顯著提高了參數(shù)的收斂速度。
   3、非線性系統(tǒng)由于對(duì)其結(jié)構(gòu)缺少準(zhǔn)確的表述方法,一直都是辨識(shí)的難題,因此,利用非線性的有限信息特性,文中提出了一種對(duì)非線性系統(tǒng)的線性和非線性部分依次進(jìn)行辨識(shí)的方法。該方法首先根據(jù)系統(tǒng)非線性部分的有限信息,例如符號(hào)信息,單調(diào)信息等,辨識(shí)出系統(tǒng)的線性部分,再構(gòu)造出中間信號(hào),實(shí)現(xiàn)對(duì)非線性結(jié)構(gòu)和參數(shù)的同時(shí)辨識(shí)。結(jié)合改進(jìn)的粒子群優(yōu)化算法可以很高精度的辨識(shí)出系統(tǒng)的參數(shù),仿真實(shí)驗(yàn)表明該方法的辨識(shí)精度高,是非線性

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(qǐng)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(qǐng)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(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論