辅助模型辨识方法(2):输入非线性输出误差系统  

Auxiliary model identification methods. Part B:Input nonlinear output-error systems

作　　者：丁锋[1,2,3] 陈慧波[1] 

机构地区：[1]江南大学物联网工程学院,无锡214122 [2]江南大学控制科学与工程研究中心,无锡214122 [3]江南大学教育部轻工过程先进控制重点实验室,无锡214122

出　　处：《南京信息工程大学学报（自然科学版）》2016年第2期97-115,共19页Journal of Nanjing University of Information Science & Technology（Natural Science Edition）

基　　金：国家自然科学基金(61273194);江苏省自然科学基金(BK2012549);高等学校学科创新引智"111计划"(B12018)

摘　　要：针对具有已知基的输入非线性输出误差系统,提出了基于过参数化模型的辅助模型递推辨识方法和辅助模型递阶辨识方法,提出了基于关键项分离的辅助模型递推辨识方法、基于关键项分离的辅助模型两阶段辨识方法和辅助模型三阶段辨识方法,提出了基于双线性参数模型分解的辅助模型随机梯度算法和基于双线性参数模型分解的辅助模型递推最小二乘算法,并给出了几个典型辨识算法的计算量、计算步骤.这些算法的收敛性分析都是需要研究的辨识课题.For input nonlinear output？error systems with known bases,this paper presents the over？parameterization model based auxiliary model （ AM） recursive identification methods,the over？parameterization model based AM hi？erarchical identification methods,the key term separation based AM recursive identification methods,the key term separation based AM two？stage recursive identification methods,the key term separation based AM three？stage re？cursive identification methods,the bilinear？in？parameter model decomposition based AM stochastic gradient identifi？cation methods and the bilinear？in？parameter model decomposition based AM recursive least squares identification methods.Finally,the computational efficiency and the computational steps of several typical identification algorithms are discussed.The convergence of the proposed algorithms needs further study.

关 键 词：参数估计 递推辨识 梯度搜索 最小二乘 过参数化模型 关键项分离 模型分解 辅助模型辨识思想 递阶辨识原理 输入非线性系统 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]