慢时变线性模型参数辨识递推算法及收敛性分析

上海交通大学学报（自然版） ›› 2014, Vol. 48 ›› Issue (07): 982-986.

• 自动化技术、计算机技术 • 上一篇下一篇

慢时变线性模型参数辨识递推算法及收敛性分析

曹鹏飞，罗雄麟

（中国石油大学自动化研究所，北京 102249）

收稿日期:2013-07-03 出版日期:2014-07-28 发布日期:2014-07-28
基金资助:
国家重点基础研究发展规划（973）项目(2012CB720500)资助

Recursive Identification Algorithm and Its Convergence Analysis for Slow Time-Varying Linear Model

CAO Pengfei,LUO Xionglin

（Department of Automation, China University of Petroleum, Beijing 102249, China）

Received:2013-07-03 Online:2014-07-28 Published:2014-07-28

摘要/Abstract

摘要：

针对慢时变线性模型，给出辨识的递推算法，并证明该算法能够保证参数收敛在一个有界空间区域，该区域包含参数真值集合；若工作点不发生变化，合理的收敛因子保证参数收敛到对应真值.在实际应用中，工业对象可以利用慢时变线性模型表示，因此该递推算法能够确保工业对象模型实时更新以跟踪工况的变化.通过实例仿真可以看出,该递推算法能够保证慢时变线性模型参数有效更新，并较为准确估计输出变量.

关键词: 非线性, 慢时变, 线性模型, 递推算法, 有界收敛

Abstract:

The recursive algorithm for identifying the slow time-varying linear model was proposed, and its bounded convergence was analyzed. Base on the recursive algorithm, the parameters of slow time-varying linear model were proved to converge in bounded space which includes the collection of the true values of parameters. If working condition holds on, the parameters will converge to the corresponding true values with reasonable convergence factor. Generally, industrial plants can be described by slow time-varying linear model. Therefore, the model of indstrial plant can be updated in time with the recursive algorithm to track the characteristics changes effectively. As can be seen from the simulation example, the recursive algorithm can make sure that the parameters of slow time-varying linear model can be updated effectively and the output variables can be estimated accurately.

Key words: nonlinear, slow time-varying, linear model, recursive algorithm, bounded convergence

中图分类号:

TP 273

曹鹏飞，罗雄麟. 慢时变线性模型参数辨识递推算法及收敛性分析[J]. 上海交通大学学报（自然版）, 2014, 48(07): 982-986.

CAO Pengfei,LUO Xionglin. Recursive Identification Algorithm and Its Convergence Analysis for Slow Time-Varying Linear Model[J]. Journal of Shanghai Jiaotong University, 2014, 48(07): 982-986.

参考文献

［1］郑大钟.线性系统理论［M］. 北京: 清华大学出版社,2005.

［2］方崇智,萧德云.过程辨识［M］.北京:清华大学出版社,2007.

［3］Junichiro K, Yoshiyuki Y, Taro T, et al. Practical application of model identification based on ARX models with transfer functions［J］. Control Engineering Practice, 2013, 21(2): 195203.

［4］Strejc V. Least squares parameter estimation ［J］. Automatica, 1980, 16(5): 535550.

［5］王冬青.基于辅助模型的递推增广最小二乘辨识方法［J］.控制理论与应用, 2009, 26(1):5156.

WANG Dongqing. Recursive extended least squares identification method based on auxiliary models［J］. Control Theory & Applications, 2009, 26(1):5156.

［6］Liu Y J, Sheng J, Ding R F. Convergence of stochastic gradient estimation algorithm for multivariable ARXlike systems［J］. Computers & Mathematics with Applications, 2010, 59(8):26152627.

［7］Chen J, Lv L X, Ding R F. Multiinnovation stochastic gradient algorithms for dualrate sampled systems with preload nonlinearity［J］. Applied Mathematics Letters, 2012, 26(1):124129.

［8］Han L L, Sheng J, Ding F, et al. Auxiliary model identification method for multirate multiinput systems based on least squares［J］. Mathematical and Computer Modelling, 2009, 50(78):11001106.

［9］Ljung L. Consistency of the least squares identification method［J］. IEEE Trans on Automatic Control, 1976, 21: 779781.

［10］Ljung L. Strong Convergence of a stochastic approximation algorithm［J］. Annals of statistics, 1978, 6(3): 680696.

［11］丁锋,丁韬,杨家本,等. 时变参数遗忘梯度估计计算法的收敛性［J］. 自动化学报,2002, 28(6):962968.

DING Feng, DING Tao, YANG Jiaben, et al. Convergence of forgetting gradient estimation algorithm for timevarying parameters［J］. Acta Automatica Sinca, 2002, 28(6):962968.

［12］丁锋.鞅超收敛定理与遗忘因子最小二乘算法的收敛性分析［J］.控制理论与应用,1997,14(1):9095.

DING Feng. Martingale hyperconvergence theorem and the convergence of forgetting factor least squares algorithm［J］. Control Theory and Applications, 1997,14(1): 9095.

［13］丁锋,杨家本.关于鞅超收敛定理与遗忘因子最小二乘算法的收敛性分析［J］.控制理论与应用, 1999,16(4):569572.

DING Feng, YANG Jiaben. Remarks on martingale hyperconvergence theorm and the convergence analysis of the forgetting factor least squares algorithms［J］. Control Theory and Applications, 1999,16(4):569572.

［14］丁锋,谢新民,方崇智.时变系统辨识的多新息方法［J］.自动化学报, 1996, 22(1): 8591.

DING Feng, XIE Xinmin, FANG Chongzhi. Multiinnovation identification method for timevarying systems［J］. Acta Automatica Sinca, 1996, 22(1): 8591.

［15］Chen N P, Liu W B, Feng J F. Sufficient and necessary condition for the convergence of stochastic approximation algorithms［J］. Statistics & Probability Letters, 2006, 76(2): 203210.

［16］Han L L, Ding F. Identification for multirate multiinput systems using the multiinnovation identification theory［J］. Computers & Mathematics with Appliccations, 2009, 57(9): 14381449.

[1]	吴庶宸, 戚宗锋, 李建勋. 基于深度学习的智能全局灵敏度分析[J]. 上海交通大学学报, 2022, 56(7): 840-849.
[2]	王沙沙, 张翔宇, 邱国志, 龚景海. 一种分析膜面在积水荷载作用下响应的数值模型[J]. 上海交通大学学报, 2022, 56(6): 730-738.
[3]	高伯伦, 李剑, 刘瑞恒, 吕硕, 张晓宇, 张庆振. 带终端角度约束的双闭环末制导律研究[J]. 空天防御, 2022, 5(4): 38-46.
[4]	石慧荣, 王海星, 李宗刚. 考虑非线性刚度的正交切削系统稳定性[J]. 上海交通大学学报, 2022, 56(2): 191-200.
[5]	万慧, 齐晓慧, 李杰. 基于线性矩阵不等式的线性/非线性切换自抗扰控制系统的稳定性分析[J]. 上海交通大学学报, 2022, 56(11): 1491-1501.
[6]	王利坡. 复杂系统空间结构的定量表征方法[J]. 上海交通大学学报, 2021, 55(Sup.1): 104-105.
[7]	李元, 姚宗禹. 基于邻域保持嵌入的主多项式非线性过程故障检测[J]. 上海交通大学学报, 2021, 55(8): 1001-1008.
[8]	李臻, 许冰青, 李庆波, 鄢雄伟, 李博雅. 基于序列凸优化算法的飞行器轨迹规划[J]. 空天防御, 2021, 4(4): 50-56.
[9]	张佳梁, 李心洁, 蔡志俊, 刘益吉, 梁谷. 拦截临近空间目标制导律的工程化设计研究[J]. 空天防御, 2021, 4(2): 54-.
[10]	姚来鹏, 侯保林, 刘曦. 采用摩擦补偿的弹药传输机械臂自适应终端滑模控制[J]. 上海交通大学学报, 2020, 54(2): 144-151.
[11]	马哲，周婷，孙家文，房克照，翟钢军. 基于改进质量源造波方法的非线性波数值模拟[J]. 上海交通大学学报, 2020, 54(1): 60-68.
[12]	任晨辉，杨德庆. 余弦形预制双曲梁非线性隔振器的隔振性能[J]. 上海交通大学学报, 2019, 53(7): 852-859.
[13]	张硕，叶冠林，甄亮，李明广，陈超斌. 考虑小应变下刚度衰减特征的软土本构模型[J]. 上海交通大学学报, 2019, 53(5): 535-539.
[14]	张广，汪辉兴，欧阳青，王炅. 磁流变缓冲器在火炮后坐中的热流耦合场分析[J]. 上海交通大学学报（自然版）, 2019, 53(4): 504-512.
[15]	何常玉，施光林，郭秦阳，王冬梅. 阀控非对称液压缸位置控制系统自适应鲁棒控制策略[J]. 上海交通大学学报（自然版）, 2019, 53(2): 209-216.

慢时变线性模型参数辨识递推算法及收敛性分析

Recursive Identification Algorithm and Its Convergence Analysis for Slow Time-Varying Linear Model

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价