导读:本文包含了多新息论文开题报告文献综述及选题提纲参考文献，主要关键词:最小二乘,多新息,辅助模型,关键性分离技术
多新息论文文献综述
刘芳芳,任晓明[1]（2019）在《基于多新息最小二乘算法的非线性系统辨识》一文中研究指出针对最小二乘算法辨识性能较差问题,将最小二乘算法中的单新息通过利用p组数据拓展到多新息向量,提出了多新息最小二乘算法。与最小二乘相比,所提出的算法不仅利用了当前的系统信息,而且利用了过去的系统信息,进一步提高了参数辨识的精度和收敛速度。在所提出的算法中,为了减少冗余的参数辨识和算法计算量,利用关键性分离技术构造整体辨识模型。设计了辅助模型来替代系统中未知的中间变量,提高了参数估计的精度。对比仿真结果表明,所提出的算法具有比递归最小二乘算法更高的辨识精度和收敛速度。(本文来源于《自动化仪表》期刊2019年09期）
毛亚文[2]（2019）在《输入非线性系统的多新息辨识方法》一文中研究指出非线性系统的辨识一直以来都是控制领域的研究难点和热点。输入非线性系统是一种典型的块结构模型,它能在线性系统的可处理性和非线性系统的精度之间提供了一个很好的折中,而被广泛应用于工业、经济和医药等领域。多新息辨识理论是通过扩展新息向量的维数提高观测数据使用率,从而改善算法的性能。本课题将多新息辨识理论与辨识领域的新技术和思想结合,研究有色噪声干扰下的输入非线性系统的辨识问题。论文主要成果如下。(1)针对输入非线性方程误差系统,利用过参数化方法,推导了基于过参数化的多新息梯度辨识算法。为降低有色噪声对参数估计的影响,获取更高的参数估计精度,利用线性滤波器对输入输出数据进行滤波,“白色化”有色噪声,提出了基于过参数化的滤波多新息梯度辨识算法,并进一步将提出的算法推广到多变量输入非线性方程误差系统的辨识。(2)针对输入非线性方程误差系统,为了避免过参数化方法导致的冗余参数问题,利用关键项分离方法参数化系统,得到不含有冗余参数的辨识模型,并结合数据滤波技术,提出了基于关键项分离的滤波多新息梯度辨识算法。此外,论文提出了新的参数化方法—参数分离方法,其基本思想是利用线性滤波器解除线性和非线性模块的参数乘积关系,使系统所有参数分离开且显性出现在模型描述中。并基于该方法提出了基于参数分离的多新息梯度辨识算法。(3)针对输入非线性输出误差系统,基于其双线性参数模型,通过构造两个增广信息向量,将模型分解成两个子辨识模型,并借助于辅助模型辨识思想和递阶辨识原理,利用辅助模型输出代替未知中间变量,实现子模型中参数向量的交互估计,提出了基于双线性参数模型分解的辅助模型多新息梯度辨识算法,该方法可避免辨识冗余参数且计算效率高。(4)针对多变量输入非线性输出误差系统,利用关键项分离方法和Kronecker积运算,推导了基于关键项分离的辅助模型多变量多新息梯度辨识算法。为避免Kronecker积运算造成的信息矩阵维数大和计算量大的问题,根据参数类别(参数向量或矩阵),利用分解技术将模型分解成多个子模型,提出了基于关键项分离的分解辅助模型多变量多新息梯度辨识算法。论文中对所提出的一些辨识方法进行了数值仿真,验证了提出的算法的参数估计性能。并对其中的一些算法的计算量进行了分析和比较。(本文来源于《江南大学》期刊2019-07-01）
卫志农,原康康,成乐祥,王春宁,许洪华[3]（2019）在《基于多新息最小二乘算法的锂电池参数辨识》一文中研究指出为了保证电池管理系统的安全可靠运行,需要准确地辨识锂离子电池模型参数。以磷酸铁锂为研究对象,建立其RC等效电路模型,并基于该模型辨识锂离子电池模型参数。锂离子电池模型参数受外部因素影响较大并且参数辨识结果受在线信息采集的限制,采用多新息最小二乘辨识算法进行锂离子电池模型参数在线辨识。通过3种不同的充放电实验采集数据,并根据实验数据在不同初值下进行参数辨识,通过比较由辨识结果估计出的端口电压值与实际值的误差来描述辨识结果的准确度。实验结果表明,多新息最小二乘辨识算法具有快速收敛性与高精确性。(本文来源于《电力系统自动化》期刊2019年15期）
黄旭,吴定会,郑洋[4]（2019）在《变遗忘因子多新息随机梯度算法双馈电机参数辨识》一文中研究指出针对电机运行过程中参数变化特点,基于多新息辨识理论与随机梯度辨识算法理论,结合变遗忘因子,提出了基于变遗忘因子多新息随机梯度算法的双馈电机参数辨识方法。该方法考虑到双馈电机非线性强耦合,采用定子磁链定向的矢量控制技术,搭建双馈电机矢量控制系统采集数据,并推导dq坐标系下电机参数辨识模型的标准形式,根据算法辨识出电机电感及电阻参数。仿真结果验证了该算法的有效性。(本文来源于《测控技术》期刊2019年03期）
白晓波,邵景峰,和征,田建刚[5]（2019）在《多新息理论改进优化粒子滤波研究》一文中研究指出研究多新息理论改进优化粒子滤波问题,以提高粒子滤波精度。其中粒子滤波状态估计模型的改进和新息数的选择是难点题。首先,基于多新息理论,利用多新息的增益矩阵和新息向量的乘积,对标准粒子滤波的状态估计模型改进优化,提出基于多新息改进优化的粒子滤波MI-PF;然后,分析了MI-PF算法的时间复杂度,从理论上论述了多新息理论改进优化粒子滤波的可行性;最后,利用仿真的方法,研究了不同新息数对MI-PF滤波性能和效率的影响,并得出了在强非线性、非高斯系统下,MI-PF新息数的取值范围。实验结果表明:若粒子数相同,与其它改进的粒子滤波相比,MI-PF滤波精度更高;若滤波精度近似,MI-PF使用的粒子数最少效率最高。从而验证了多信息理论改进粒子滤波的可行性,提高了粒子滤波精度。(本文来源于《计算机仿真》期刊2019年01期）
黄文韬[6]（2019）在《基于多新息辨识算法的风电机组变桨系统故障诊断》一文中研究指出目前,全世界能源发展将由化石燃料趋于低碳化能源体系。可再生能源时代成为能源转型的最终目的。因此,风能成为最热门的清洁能源之一。风电产业飞速发展,变桨距风机已经成为风电机组中应用最多的机型。变桨系统作用是改变叶片的桨距角,使风能利用率和输出功率尽可能的高。由于风机液压变桨系统的故障发生频繁,必须选择最合理有效的解决办法,否则将造成灾难性事故。故而,变桨系统故障诊断研究对风机长时间稳定运行和降低风电运行成本有重要意义。本文通过化简复杂的风力发电机组,分别建立风电机组的各个关键部件的系统数学模型。然后利用多新息辨识算法对系统参数辨识,通过分析比较系统中参数,判断风机液压变桨系统故障的发生与否。针对受状态延时影响的风机变桨系统故障诊断问题,将该复杂系统转化为状态空间模型,并建立系统辨识模型;同时,还建立了风机桨距执行器的故障模型,完成风机的状态延时变桨系统参数估计。利用本文的多新息算法故障诊断方法,考虑到了状态延时的风力发电机组变桨系统模型,在MATLAB中编写程序仿真验证本文诊断方法的有效性。针对存在两个延时的状态空间系统进行状态和参数估计故障诊断问题,运用了扩维的方法,提出了用多新息辨识算法的方法进行诊断研究。针对这类复杂的双延时系统,运用了该算法进行状态和参数交互估计的思想,形成了一个状态和参数联合估计的方法,引入了参数估计误差,利用系统参数差的范数与参数估计误差之间的关系,判断是否有故障发生,利用风力发电机的基准模型仿真来验证该方法的故障诊断有效性。(本文来源于《上海电机学院》期刊2019-01-10）
贾竹青,陆永耕,杨鑫,程松辽,袁红杰[7]（2018）在《基于多新息扩展卡尔曼滤波的直接转矩控制研究》一文中研究指出为解决传统扩展卡尔曼滤波(EKF)算法在非线性系统观测模型中因误差引起的系统状态估计精度下降等问题,以永磁同步电动机为例对直接转矩控制系统进行研究。将多新息辨识理论引入扩展卡尔曼滤波中,采用多新息扩展卡尔曼滤波(MI-EFK)算法,将其应用于无传感器直接转矩控制系统中,分别构建了EKF和MI-EKF观测算法仿真模型,并对其进行对比验证。研究结果表明,基于MI-EKF观测算法更有效,改进后的观测器波动范围缩小,其中转速波动范围缩小为原来的22%左右,转矩脉动范围缩小为原来的14%左右。(本文来源于《上海电机学院学报》期刊2018年05期）
张秀丽,黄旭,杨德亮,吴定会[8]（2018）在《基于正交投影与多新息RLS的PMSM参数辨识》一文中研究指出针对永磁同步电机参数辨识过程中收敛速度慢的问题,提出基于正交投影与多新息递推最小二乘相结合的算法来估计永磁同步电机参数。选择永磁同步电机四阶非线性状态空间模型的数学方程,将此模型改写为线性回归模型的形式,省略线性化过程。在仿真过程中加入噪声到电机的运行系统中,来模拟真实的电机运行环境,然后将正交投影与多新息递推最小二乘的结合算法分阶段配合应用于永磁同步电机的线性回归模型中进行参数辨识。辨识结果显示出了该结合算法的有效性。(本文来源于《电力系统保护与控制》期刊2018年14期）
张一阳[9]（2018）在《输出误差模型加权多新息随机梯度辨识算法》一文中研究指出参数辨识是分析与设计被控系统的前提和基础。随机梯度类辨识算法是常见的一种辨识算法,不同于另一种常见的最小二乘类辨识算法,随机梯度类辨识算法在每步递推过程中由于利用比较少的信息,所以此类算法具有更小的计算量,执行效率更高,但同时算法的辨识精度也有所降低。对于参数待辨识的系统模型而言,种类也有许多。输出误差类模型是一类常见的辨识模型,具体包括输出误差模型、输出误差自回归模型、输出误差滑动平均模型和输出误差自回归滑动平均模型。本文主要针对输出误差类辨识模型和随机梯度辨识算法开展了研究,通过引入加权、多新息和最新估计的辨识思想对基本的随机梯度辨识算法进行了改进,使得改进的辨识算法针对输出误差类辨识模型拥有更高的辨识精度和更快的收敛速度,同时改进的辨识算法具有更小的计算量,克服了基本的随机梯度辨识算法辨识精度低的缺点。具体的研究内容安排如下:为了改善基本随机梯度辨识算法的信息利用率低的问题,基于多新息辨识思想,利用加权思想,通过引入权重值将算法每步递推过程中当前时刻的修正项与前一时刻的修正项加权求和,推导出四种输出误差模型的加权多新息随机梯度辨识算法;为了进一步提高加权多新息随机梯度辨识算法辨识的精度,引入最新估计的辨识思想,用最新时刻的参数估计值代替前一时刻参数估计值,推导出四种输出误差模型的基于最新估计的加权多新息随机梯度辨识算法。为了验证本文提出的改进辨识算法的有效性,将基本随机梯度辨识算法与本文提出的改进算法分别针对四种具体的输出误差类模型进行了仿真对比。仿真结果验证了本文提出的改进算法的有效性,通过选取合适的权重值,可以使得改进的算法相比原算法具有较好的辨识精度,同时列出了改进算法和原算法的计算量表格,通过计算量的对比,可以发现本文提出的改进算法可以在计算量更小的情况下达到原算法的辨识精度,或者比原算法辨识精度更高。针对本文提出的加权多新息随机梯度辨识算法和基于最新估计的加权多新息随机梯度辨识算法列出了步骤完善的算法收敛性分析与证明,在理论基础上证明了本文提出的改进算法的有效性。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
吴定会,张建宇,沈艳霞,纪志成[10]（2018）在《基于多新息近似最小一乘算法PMSM参数辨识》一文中研究指出针对永磁同步电机受工作环境尖峰噪声信号的影响导致的传统辨识算法辨识结果不精确的问题,提出了多新息近似最小一乘算法。结合永磁同步电机系统电压方程,构建离散辨识模型。采用矢量控制方法控制电机,获得辨识模型输入输出数据,对转子电阻和电感参数进行辨识。仿真结果表明,该算法能够实现在尖峰噪声环境下对永磁同步电机参数的精确辨识。(本文来源于《系统仿真学报》期刊2018年03期）
多新息论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
非线性系统的辨识一直以来都是控制领域的研究难点和热点。输入非线性系统是一种典型的块结构模型,它能在线性系统的可处理性和非线性系统的精度之间提供了一个很好的折中,而被广泛应用于工业、经济和医药等领域。多新息辨识理论是通过扩展新息向量的维数提高观测数据使用率,从而改善算法的性能。本课题将多新息辨识理论与辨识领域的新技术和思想结合,研究有色噪声干扰下的输入非线性系统的辨识问题。论文主要成果如下。(1)针对输入非线性方程误差系统,利用过参数化方法,推导了基于过参数化的多新息梯度辨识算法。为降低有色噪声对参数估计的影响,获取更高的参数估计精度,利用线性滤波器对输入输出数据进行滤波,“白色化”有色噪声,提出了基于过参数化的滤波多新息梯度辨识算法,并进一步将提出的算法推广到多变量输入非线性方程误差系统的辨识。(2)针对输入非线性方程误差系统,为了避免过参数化方法导致的冗余参数问题,利用关键项分离方法参数化系统,得到不含有冗余参数的辨识模型,并结合数据滤波技术,提出了基于关键项分离的滤波多新息梯度辨识算法。此外,论文提出了新的参数化方法—参数分离方法,其基本思想是利用线性滤波器解除线性和非线性模块的参数乘积关系,使系统所有参数分离开且显性出现在模型描述中。并基于该方法提出了基于参数分离的多新息梯度辨识算法。(3)针对输入非线性输出误差系统,基于其双线性参数模型,通过构造两个增广信息向量,将模型分解成两个子辨识模型,并借助于辅助模型辨识思想和递阶辨识原理,利用辅助模型输出代替未知中间变量,实现子模型中参数向量的交互估计,提出了基于双线性参数模型分解的辅助模型多新息梯度辨识算法,该方法可避免辨识冗余参数且计算效率高。(4)针对多变量输入非线性输出误差系统,利用关键项分离方法和Kronecker积运算,推导了基于关键项分离的辅助模型多变量多新息梯度辨识算法。为避免Kronecker积运算造成的信息矩阵维数大和计算量大的问题,根据参数类别(参数向量或矩阵),利用分解技术将模型分解成多个子模型,提出了基于关键项分离的分解辅助模型多变量多新息梯度辨识算法。论文中对所提出的一些辨识方法进行了数值仿真,验证了提出的算法的参数估计性能。并对其中的一些算法的计算量进行了分析和比较。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多新息论文参考文献
[1].刘芳芳,任晓明.基于多新息最小二乘算法的非线性系统辨识[J].自动化仪表.2019
[2].毛亚文.输入非线性系统的多新息辨识方法[D].江南大学.2019
[3].卫志农,原康康,成乐祥,王春宁,许洪华.基于多新息最小二乘算法的锂电池参数辨识[J].电力系统自动化.2019
[4].黄旭,吴定会,郑洋.变遗忘因子多新息随机梯度算法双馈电机参数辨识[J].测控技术.2019
[5].白晓波,邵景峰,和征,田建刚.多新息理论改进优化粒子滤波研究[J].计算机仿真.2019
[6].黄文韬.基于多新息辨识算法的风电机组变桨系统故障诊断[D].上海电机学院.2019
[7].贾竹青,陆永耕,杨鑫,程松辽,袁红杰.基于多新息扩展卡尔曼滤波的直接转矩控制研究[J].上海电机学院学报.2018
[8].张秀丽,黄旭,杨德亮,吴定会.基于正交投影与多新息RLS的PMSM参数辨识[J].电力系统保护与控制.2018
[9].张一阳.输出误差模型加权多新息随机梯度辨识算法[D].哈尔滨工业大学.2018
[10].吴定会,张建宇,沈艳霞,纪志成.基于多新息近似最小一乘算法PMSM参数辨识[J].系统仿真学报.2018