期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
改进的递推增广最小二乘参数估计方法 被引量:2
1
作者 邓自立 杜洪越 马建为 《科学技术与工程》 2002年第5期1-2,共2页
基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。
关键词 估计方法 ARMA模型 参数估计 递推增广最小二乘法 递推最小乘法 自回归滑动平均模型
在线阅读 下载PDF
小型直升机航向模型的增广递推最小二乘辨识 被引量:3
2
作者 赵志刚 吕恬生 田耕 《系统仿真学报》 EI CAS CSCD 北大核心 2007年第19期4386-4388,4406,共4页
分析确定了模型直升机航向通道结构,考虑了噪声模型的存在,采用增广最小二乘法进行了参数辨识,从而避免了一般最小二乘法把误差模型隐含在系统模型中所造成的辨识精度不高的缺点。结果表明,虽然采用增广最小二乘法要考虑噪声模型,但是... 分析确定了模型直升机航向通道结构,考虑了噪声模型的存在,采用增广最小二乘法进行了参数辨识,从而避免了一般最小二乘法把误差模型隐含在系统模型中所造成的辨识精度不高的缺点。结果表明,虽然采用增广最小二乘法要考虑噪声模型,但是它具有速度快、辨识结果准确的特点,所得模型直升机的航向模型很好的表示了其系统特性,可以用来进行控制系统的设计和直升机的分析理解。 展开更多
关键词 模型直升机 广递推最小乘法 系统辨识 噪声模型
在线阅读 下载PDF
试验温室温度系统建模与仿真 被引量:25
3
作者 李晋 秦琳琳 +5 位作者 岳大志 吴刚 薛美盛 陈薇 王子洋 胡振华 《系统仿真学报》 EI CAS CSCD 北大核心 2008年第7期1869-1875,共7页
温室小气候具有强非线性、大时滞、强耦合、强干扰、时变等特点。为更好地设计温室小气候计算机监控系统,需要对其建模和仿真,以便比较控制方案、检验控制算法。在分析温室温度系统机理模型的基础上,选择MISO的ARIMAX模型描述温度系统,... 温室小气候具有强非线性、大时滞、强耦合、强干扰、时变等特点。为更好地设计温室小气候计算机监控系统,需要对其建模和仿真,以便比较控制方案、检验控制算法。在分析温室温度系统机理模型的基础上,选择MISO的ARIMAX模型描述温度系统,根据试验温室实测数据,采用"统计假设检验"和"模型拟合度检验"相结合的方法确定模型结构,通过递推增广最小二乘法估计模型参数,并进行了仿真研究。 展开更多
关键词 温室 温度系统 ARIMAX模型 系统辨识 递推增广最小二乘法 模型拟合度
在线阅读 下载PDF
陀螺随机漂移时间序列建模方法研究 被引量:27
4
作者 臧荣春 崔平远 《系统仿真学报》 EI CAS CSCD 北大核心 2005年第8期1845-1847,共3页
提出了残差自校正的RELS算法,在ARMA模型参数估计的过程中引入虚拟白噪声,来补偿参数估计过程中的由于噪声未知而引入的误差,并将DDS法与AIC准则相结合确定模型阶数。仿真结果表明所确定的模型能够精确地反映陀螺漂移趋势。
关键词 陀螺漂移 时间序列分析 ARMA模型 递推增广最小二乘法
在线阅读 下载PDF
基于高斯混合聚类的切换系统的辨识 被引量:4
5
作者 柴秀俊 王宏伟 +1 位作者 王林 嵇薪儒 《控制理论与应用》 EI CAS CSCD 北大核心 2021年第5期634-640,共7页
针对具有未知切换规则与未知子系统数量的切换系统的辨识问题,提出一种两阶段辨识方法,包括模式检测与参数辨识.在模式检测阶段,首先建立高斯混合模型表示采样数据的分布,并通过轮盘法选择合适的初始模型参数.其次,计算采样数据属于每... 针对具有未知切换规则与未知子系统数量的切换系统的辨识问题,提出一种两阶段辨识方法,包括模式检测与参数辨识.在模式检测阶段,首先建立高斯混合模型表示采样数据的分布,并通过轮盘法选择合适的初始模型参数.其次,计算采样数据属于每个子系统的后验概率,通过极大似然估计算法迭代更新模型参数,使高斯混合模型最大化地拟合采样数据的分布.在此基础上,通过贝叶斯信息准则确定子系统的数量,并根据最大后验概率准则估计切换规则.在参数辨识阶段,通过递推增广最小二乘法估计每个子系统的参数向量.最后,通过仿真结果验证了所提方法的有效性. 展开更多
关键词 切换系统 模式检测 高斯混合聚类 递推增广最小二乘法 贝叶斯信息准则
在线阅读 下载PDF
多传感器多变量AR模型信息融合辨识方法 被引量:1
6
作者 马占业 邓自立 《科学技术与工程》 2010年第34期8359-8363,共5页
对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归(AR)模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法(MRELS)得到AR模型参数和传感器偏差的局... 对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归(AR)模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法(MRELS)得到AR模型参数和传感器偏差的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。 展开更多
关键词 多传感器多变量AR模型 信息融合多段辨识方法 多重递推增广最小二乘法 信息融合估值器 一致性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部