论文部分内容阅读
系统辨识是通过系统输入输出数据确定系统数学模型的技术。很多实际系统的参数是随时间变化的,故对参数时变系统的辨识研究具有重要意义。本文针对参数时变的方程误差模型、方程误差滑动平均模型、方程误差自回归模型和方程误差自回归滑动平均模型四类方程误差类模型提出了两种限定记忆的加权辨识方法。主要研究结果如下:1)针对方程误差模型提出了I型和II型限定记忆加权辨识算法。其中I型算法通过引入中间项来建立相邻两个时刻参数估计的关系,II型算法直接建立相邻两个时刻参数估计的关系。2)引入常数加权、指数函数加权和线性函数加权三种加权方法。通过比较显示,指数函数加权与常数加权相比可以更好的保留系统实时信息,指数函数加权和线性函数加权在一定范围内可以相互替代。3)以两种基本的限定记忆加权辨识算法为基础进一步推导出了适用于方程误差滑动平均模型、方程误差自回归模型、方程误差自回归滑动平均模型的限定记忆加权辨识算法。针对四种不同类型的时变参数对两种算法进行了数值仿真。仿真结果显示II型算法稍优于I型算法,指数函数加权优于遗忘因子加权,指数函数加权和线性函数加权在一定范围内可以取得相同的辨识结果。