论文摘要
多新息辨识方法与传统的最小二乘、随机梯度类算法等采用单新息修正的辨识方法相比,具有更好的收敛性能以及克服坏数据的能力,因此对它的研究具有重要的理论意义以及应用价值。本论文在多新息辨识方法的基础上,通过引入加权矩阵提出加权多新息辨识方法,并取得了以下的研究成果。一、论文首先针对受控AR模型(CAR模型)推导出分别基于投影法以及随机梯度法的加权多新息算法,并利用仿真例子说明了通过选择合适的加权矩阵,加权多新息辨识方法比普通的多新息算法在相同新息长度下具有更快的收敛速度以及参数估计精度,最后简要探讨了加权矩阵对于参数估计效果的影响。二、对于时变系统的参数估计,提出了带有遗忘因子的加权多新息算法,并通过仿真结果证实了算法的有效性。三、针对存在有色噪声干扰的受控自回归滑动平均模型(CARMA模型),提出了加权多新息增广随机梯度算法,并用仿真例子说明了与普通多新息增广随机梯度算法相比的优越性。四、进一步将加权多新息算法推广到更为复杂的动态调节模型(DA模型),提出了加权多新息广义随机梯度算法,给出了参数估计的计算步骤并用仿真对算法辨识效果加以验证。论文最后对于加权多新息算法在应用中面临的困难进行了简单介绍,并对如何进一步研究加权多新息算法做出了展望。
论文目录
相关论文文献
- [1].基于新息图法的电力系统不正常事件识别方法[J]. 四川电力技术 2011(06)
- [2].多新息理论改进优化粒子滤波研究[J]. 计算机仿真 2019(01)
- [3].改进新息图法在不良数据检测与辨识中的应用[J]. 电力系统及其自动化学报 2018(09)
- [4].多新息抗差——自适应卡尔曼滤波定位算法研究[J]. 传感器与微系统 2017(09)
- [5].系统辨识(6):多新息辨识理论与方法[J]. 南京信息工程大学学报(自然科学版) 2012(01)
- [6].基于新息图法的电力系统负荷突变辨识[J]. 电力系统自动化 2011(12)
- [7].新息图状态估计中多相关不良数据辨识[J]. 电力系统及其自动化学报 2008(04)
- [8].驾驶机器人车辆多新息动态转向力矩补偿[J]. 西安交通大学学报 2020(07)
- [9].新息模型的独立分量分析方法[J]. 计算机应用 2011(02)
- [10].基于广域测量系统的新息图辨识不良数据方法[J]. 电力系统自动化 2010(23)
- [11].利用等维新息模型进行人数预测[J]. 河北科技大学学报 2008(01)
- [12].体积积分新息滤波[J]. 西安理工大学学报 2015(01)
- [13].基于多新息理论的卡尔曼滤波改进算法[J]. 中北大学学报(自然科学版) 2015(02)
- [14].新息自适应混合卡尔曼滤波算法构建地表沉降预测模型[J]. 工程勘察 2020(04)
- [15].高速电主轴动力学模型参数多新息随机梯度辨识[J]. 组合机床与自动化加工技术 2020(10)
- [16].基于辅助模型的多新息广义增广随机梯度算法[J]. 控制与决策 2008(09)
- [17].方程误差系统的多新息辨识方法[J]. 南京信息工程大学学报(自然科学版) 2015(05)
- [18].等维新息模型在地表沉降监测中的应用[J]. 全球定位系统 2012(02)
- [19].一类有色噪声干扰系统的辅助模型多新息辨识方法[J]. 青岛大学学报(工程技术版) 2009(01)
- [20].自回归模型的多新息投影辨识方法[J]. 科学技术与工程 2009(14)
- [21].自回归模型的多新息随机梯度和多新息最小二乘辨识方法[J]. 科学技术与工程 2008(04)
- [22].用电量等维新息递补预测模型研究与应用[J]. 电气技术 2013(07)
- [23].非均匀采样系统多新息随机梯度辨识性能分析[J]. 控制与决策 2011(09)
- [24].基于近似最小一乘准则的多新息辨识算法[J]. 控制工程 2015(01)
- [25].基于观测数据删减及量化新息的无线传感器网络目标跟踪[J]. 控制与决策 2015(05)
- [26].基于等维新息灰色马尔可夫模型的河流水质预测[J]. 水土保持通报 2013(05)
- [27].面向过程的交流潮流模型新息图法状态估计[J]. 电力系统保护与控制 2008(14)
- [28].基于多新息理论的深度信念网络算法[J]. 计算机应用 2016(09)
- [29].耦合多新息随机梯度辨识方法性能分析[J]. 控制与决策 2015(08)
- [30].等维动态新息模型在交通事故预测中的应用[J]. 仪器仪表用户 2008(02)