基于多新息參數估計的隨機梯度自校正控制方法.pdf

1、傳統的辨識方法一最小二乘(LS)、隨機梯度(SG)類算法都是采用單新息修正技術的辨識方法.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據的能力，它的研究既具有重要的理論意義，又具有潛在的應用價值.現存自適應控制是針對參數未知的控制系統，利用最小二乘算法或隨機梯度算法來估計系統參數，進而設計控制器的方法.論文的主要貢獻在于。利用多新息辨識方法來估計系統參數，進而研究基于多新息參數估計的自適應控制算法.論文擬定了基

2、于多新息參數估計的自校正研究課題，選題具有理論意義和應用前景.作者在查閱了相關文獻的基礎上，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控制或自校正控制方法的研究現狀基礎上，詳細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合，利用多新息投影辨識算法、多新息隨機梯度辨識算法分別估計系統參數，提出了多新息投影自校正控制算法和多新息隨

3、機梯度最小方差自校正控制算法.進一步將多新息隨機梯度辨識算法與極點配置自校正策略相結合，提出了基于多新息參數估計的極點配置自校正控制算法.并利用了鞅收斂定理分析了閉環(huán)系統的穩(wěn)定性和收斂性，進行了計算機仿真對比研究，說明提出的基于多新息參數估計的自校正控制算法優(yōu)于基于隨機梯度參數估計的自校正控制算法，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平均(CARMA)模型，提出了基于多新

4、息增廣隨機梯度估計系統參數的最小方差控制算法和極點配置自校正控制算法，研究了閉環(huán)系統的全局穩(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，推導出其辨識模型，然后應用多新息辨識方法來估計非線性Hammerstein系統的參數，提出了基于多新息隨機梯度參數估計的最小方差自校正控制算法和極點配置自校正控制算法.仿真研究表明：基于多新息參數