-
题名哈默斯坦非线性时变系统的加权学习辨识方法
被引量：2
- 1
-
-
作者
仲国民
俞其乐
陈强
-
机构
浙江工业大学信息工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第5期1610-1616,共7页
-
基金
国家自然科学基金(62073291,62973274)。
-
文摘
针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。
-
关键词
加权迭代学习辨识
时变参数
哈默斯坦模型
最小二乘算法
-
Keywords
Weighted iterative learning identification
Time-varying parameters
Hammerstein Model
Least squares algorithm
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
