摘要
针对系统参数辨识中最小二乘估计的稳健性较差,给出稳健性较强的最小一乘的系统辨识方法。推导出了最小一乘回归系数的估计式,使用逐次逼近迭代的方法,构造迭代序列给出最小一乘回归系数的迭代算法。并把该算法应用于控制系统参数辨识中,与最小二乘辨识相比较,当模型的观测数据有测量噪声时,最小一乘回归系数的收敛性及数值稳定性较好。仿真结果验证了理论,显示了最小一乘辨识的优越性。
This paper introduces a least absolute deviation method for system identification. An iterative algorithm for the linear least absolute deviation regression coefficients is given. Comparison with the Least square method, this algorithm is more robust. Simulation results are also given.
出处
《自动化技术与应用》
2009年第7期8-10,共3页
Techniques of Automation and Applications
基金
廊坊师范学院科学研究项目(编号LSZQ200803)
关键词
最小一乘
最小二乘
系统辨识
稳健性
ARX模型
least absolute deviation
least square
system identification
robustness
ARX
作者简介
曹慧荣（1975-），女，讲师，硕士，研究方向：数据挖掘。
