方程误差系统的多新息辨识方法

TP273; 多新息方法可以用于线性系统和非线性系统的自适应滤波、参数估计、自校正控制、自适应故障检测与诊断等.线性系统包括两种基本类型:方程误差类系统和输出误差类系统.本文将多新息辨识应用到方程误差滑动平均( EEMA)系统(即CARMA系统) ,研究多新息增广随机梯度算法和多新息增广最小二乘算法,应用到方程误差自回归滑动平均( EEARMA)系统(即 CARARMA系统) ,提出基于分解的多新息广义增广随机梯度算法和基于分解的多新息广义增广最小二乘算法,以及基于滤波的多新息广义增广随机梯度算法和基于滤波的多新息广义增广最小二乘算法....

Full description

Saved in:
Bibliographic Details
Published in南京信息工程大学学报 Vol. 7; no. 5; pp. 385 - 407
Main Author 丁锋
Format Journal Article
LanguageChinese
Published 江南大学 控制科学与工程研究中心,无锡, 214122 2015
江南大学 教育部轻工过程先进控制重点实验室,无锡,214122
江南大学 物联网工程学院,无锡,214122
Subjects
equa-tion-error system
参数估计
recursive identification
decomposition
auxiliary model identification idea
最小二乘
递推辨识
辅助模型辨识思想
滤波
multi-innovation identification theory
linear system
gradient search
least squares
分解
多新息辨识理论
方程误差系统
hierarchical identification principle
parameter estimation
递阶辨识原理
线性系统
梯度搜索
filtering
Online AccessGet full text
ISSN1674-7070

Cover

More Information
Summary:TP273; 多新息方法可以用于线性系统和非线性系统的自适应滤波、参数估计、自校正控制、自适应故障检测与诊断等.线性系统包括两种基本类型:方程误差类系统和输出误差类系统.本文将多新息辨识应用到方程误差滑动平均( EEMA)系统(即CARMA系统) ,研究多新息增广随机梯度算法和多新息增广最小二乘算法,应用到方程误差自回归滑动平均( EEARMA)系统(即 CARARMA系统) ,提出基于分解的多新息广义增广随机梯度算法和基于分解的多新息广义增广最小二乘算法,以及基于滤波的多新息广义增广随机梯度算法和基于滤波的多新息广义增广最小二乘算法.
ISSN:1674-7070