基于多新息參數(shù)估計(jì)的隨機(jī)梯度自校正控制方法.pdf

1、傳統(tǒng)的辨識方法一最小二乘(LS)、隨機(jī)梯度(SG)類算法都是采用單新息修正技術(shù)的辨識方法.多新息辨識方法是對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，它的研究既具有重要的理論意義，又具有潛在的應(yīng)用價(jià)值.現(xiàn)存自適應(yīng)控制是針對參數(shù)未知的控制系統(tǒng)，利用最小二乘算法或隨機(jī)梯度算法來估計(jì)系統(tǒng)參數(shù)，進(jìn)而設(shè)計(jì)控制器的方法.論文的主要貢獻(xiàn)在于。利用多新息辨識方法來估計(jì)系統(tǒng)參數(shù)，進(jìn)而研究基于多新息參數(shù)估計(jì)的自適應(yīng)控制算法.論文擬定了基

2、于多新息參數(shù)估計(jì)的自校正研究課題，選題具有理論意義和應(yīng)用前景.作者在查閱了相關(guān)文獻(xiàn)的基礎(chǔ)上，研究了所提出的課題，取得了下列研究成果. 1.論文在綜述了自適應(yīng)控制或自校正控制方法的研究現(xiàn)狀基礎(chǔ)上，詳細(xì)介紹了多新息辨識方法的基本思想和辨識原理，針對在白噪聲干擾的線性受控自回歸模型(ARX)，將多新息辨識方法和自校正控制思想相結(jié)合，利用多新息投影辨識算法、多新息隨機(jī)梯度辨識算法分別估計(jì)系統(tǒng)參數(shù)，提出了多新息投影自校正控制算法和多新息隨

3、機(jī)梯度最小方差自校正控制算法.進(jìn)一步將多新息隨機(jī)梯度辨識算法與極點(diǎn)配置自校正策略相結(jié)合，提出了基于多新息參數(shù)估計(jì)的極點(diǎn)配置自校正控制算法.并利用了鞅收斂定理分析了閉環(huán)系統(tǒng)的穩(wěn)定性和收斂性，進(jìn)行了計(jì)算機(jī)仿真對比研究，說明提出的基于多新息參數(shù)估計(jì)的自校正控制算法優(yōu)于基于隨機(jī)梯度參數(shù)估計(jì)的自校正控制算法，且隨新息長度增加，控制算法收斂速度變快，跟蹤性能更佳. 2.針對在有色噪聲干擾的受控自回歸滑動(dòng)平均(CARMA)模型，提出了基于多新

4、息增廣隨機(jī)梯度估計(jì)系統(tǒng)參數(shù)的最小方差控制算法和極點(diǎn)配置自校正控制算法，研究了閉環(huán)系統(tǒng)的全局穩(wěn)定性，輸出跟蹤誤差有界性，仿真例子說明；新息長度越大，提出的控制算法的收斂速度越快. 3.針對Hammerstein輸入非線性(HARX)系統(tǒng)，推導(dǎo)出其辨識模型，然后應(yīng)用多新息辨識方法來估計(jì)非線性Hammerstein系統(tǒng)的參數(shù)，提出了基于多新息隨機(jī)梯度參數(shù)估計(jì)的最小方差自校正控制算法和極點(diǎn)配置自校正控制算法.仿真研究表明：基于多新息參數(shù)