论文部分内容阅读
本文针对输出采样周期远远大于输入采样周期的快输入甚慢输出双速率系统，研究如何从双速率数据中辨识出单速率的模型。研究工作包括以下方面：1)基于快输入和甚慢输出采样的双速率系统，首先使用最小二乘标准，将辨识的问题转化为一个优化命题，然后用Newton-Raphson数值搜索算法进行求解。针对Newton-Raphson数值搜索算法求解时产生的初始值问题和局部极小点问题，分别提出了对应的解决方法：稳定化技术和摄动技术。Matlab下的仿真结果表明，使用了稳定化技术，可以得到更大的收敛域，同时利用摄动技术也可以帮助克服局部极小点。2)针对有色噪声带来的参数有偏估计，提出了一种两步辨识算法。该算法首先通过最小二乘标准和Newton-Raphson数值搜索算法辨识出系统的一致无偏的有限脉冲序列模型。然后通过这个模型得到的剔除噪声干扰的慢输出，最后由快输入和这个不含噪声干扰的慢输出，可以得到系统的一致无偏输出误差模型。对于辨识算法的一致性和无偏性作出了数学证明并给出了相应的仿真例子来验证其效果。3)推导出基于Newton-Raphson数值搜索算法的递推双速率系统辨识算法，包括常参数递推算法和时变参数递推算法，并给予仿真验证。4)将辨识算法应用于精馏塔，并建立基于双速率数据的精馏塔组分的动态软测量观测器。