基于行列式比的阶次和参数同步递推辨识算法

计算机应用 ›› 2014, Vol. 34 ›› Issue (2): 538-541.

基于行列式比的阶次和参数同步递推辨识算法

赵永历,仲恒,李定远,胡涛

上海大学机电工程与自动化学院，上海 200072

收稿日期:2013-08-06 修回日期:2013-10-18 发布日期:2014-03-01 出版日期:2014-02-01
通讯作者: 胡涛
作者简介:赵永历(1988-)，男，河南邓州人，硕士研究生，主要研究方向：系统辨识、智能控制；仲恒(1987-)，男，吉林公主岭人，硕士研究生，主要研究方向：嵌入式系统；李定远(1990-)，男，河南平顶山人，硕士研究生，主要研究方向：系统辨识。

Simultaneous recursive identification algorithm of system order and parameters based on determinant ratio method

ZHAO Yongli,ZHONG Heng,LI Dingyuan,HU Tao

School of Mechatronic Engineering and Automation, Shanghai University, Shanghai 200072, China

Received:2013-08-06 Revised:2013-10-18 Online:2014-03-01 Published:2014-02-01
Contact: HU Tao

摘要/Abstract

摘要： 针对输出误差模型，结合辅助模型的思想对原有阶次辨识和参数估计的方法进行融合和扩展，推导出基于辅助模型的行列式比定阶法，同时得出模型的阶次和参数，不仅减少了辨识过程的计算量，也节约了辨识时间。考虑到原有行列式比定阶法可能存在的不准确性，提出了一种系统模型的确认方法，增强了阶次辨识能力。仿真实验也充分表明，对行列式比定阶法的扩展不仅可以准确地辨识出系统的阶次，得出的参数估计值也有较高的精度。

关键词: 阶次辨识, 参数估计, 行列式比定阶法, 辅助模型, 最小二乘

Abstract: Concerning the output error model, order identification and parameter estimation were integrated and extended, and the determinant ratio method based on the auxiliary model was put forward. The system order and parameter estimation were got simultaneously with this method, so it could reduce calculation time in the process of system identification. Considering the inaccuracy of the determinant ratio method, a model validation method was proposed to enhance the identification ability. At last, the simulation indicates that the expended determinant ratio method effectively estimates the system order and parameters.

Key words: order identification, parameter estimation, determinant ratio method, auxiliary model, least-squares

中图分类号:

TP273

赵永历仲恒李定远胡涛. 基于行列式比的阶次和参数同步递推辨识算法[J]. 计算机应用, 2014, 34(2): 538-541.

ZHAO Yongli ZHONG Heng LI Dingyuan HU Tao. Simultaneous recursive identification algorithm of system order and parameters based on determinant ratio method[J]. Journal of Computer Applications, 2014, 34(2): 538-541.

[1]	刘栋, 李晨航, 吴长茂, 茹法鑫, 夏媛媛. 基于可校正强化搜索遗传算法的光学系统自动设计[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2838-2847.
[2]	马源源, 解蕾蕾, 董南, 刘娜. 考虑用户能动性和流动性的舆情传播模型[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 619-627.
[3]	温祥西, 彭娅婷, 毕可心, 衡宇铭, 吴明功. 基于最优样本集在线模糊最小二乘支持向量机的飞行冲突网络态势预测[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3632-3640.
[4]	盖荣丽, 高守传, 李明霞. 粒子群优化算法求解最优控制点的非均匀有理B样条曲线拟合[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2177-2183.
[5]	张仲华, 赵福媛, 郭钧枫, 赵高长. 柯西自适应回溯搜索与最小二乘支持向量机的集成预测模型[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1829-1836.
[6]	张齐林, 李方伟, 王明月. 基于时间反演的到达时间定位[J]. 计算机应用, 2021, 41(3): 820-824.
[7]	欧跃发, 杨鸣坤, 慕德俊, 柯捷, 马文涛. 基于广义最大Versoria准则的稀疏自适应滤波算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3325-3331.
[8]	陆荣秀, 陈明明, 杨辉, 朱建勇. 基于溶液图像时序特征的元素组分含量动态监测系统[J]. 计算机应用, 2021, 41(10): 3075-3081.
[9]	徐星辰, 程剑, 唐璟宇, 张剑. 非对称成对载波多址信号的相位误差分析及幅度改进算法[J]. 计算机应用, 2019, 39(4): 1138-1144.
[10]	王波, 刘德亮. 基于迭代自适应方法的近场源二维参数联合估计[J]. 计算机应用, 2019, 39(2): 523-527.
[11]	孙功武, 谢基榕, 王俊轩. 基于动态遗忘因子递推最小二乘算法的船舶航向模型辨识[J]. 计算机应用, 2018, 38(3): 900-904.
[12]	李元, 吴昊俣, 张成, 冯立伟. 基于改进偏最小二乘法的多模态过程故障检测方法[J]. 计算机应用, 2018, 38(12): 3601-3606.
[13]	许凌凯, 杨任农, 左家亮. 基于改进自适应杂交粒子群优化算法和最小二乘支持向量机的空中目标威胁评估[J]. 计算机应用, 2017, 37(9): 2712-2716.
[14]	尚志刚, 董永慧, 李蒙蒙, 李志辉. 基于偏最小二乘回归的鲁棒性特征选择与分类算法[J]. 计算机应用, 2017, 37(3): 871-875.
[15]	曹俊丽, 李居峰. 基于莱特准则的椭圆拟合优化算法[J]. 计算机应用, 2017, 37(1): 273-277.