导读:本文包含了两阶段辨识论文开题报告文献综述及选题提纲参考文献，主要关键词:双电机伺服系统,齿隙,非线性死区,两阶段辨识
两阶段辨识论文文献综述
王树波,任雪梅,李斯琪[1]（2018）在《含齿隙双电机伺服系统未知参数的两阶段辨识》一文中研究指出针对含齿隙的双电机伺服系统,提出一种两阶段辨识法辨识双电机系统未知参数以及齿隙非线性环节的死区参数.针对电机转动惯量、等效粘性摩擦系数以及齿隙大小未知的情况,运用Legendre多项式将双电机伺服系统中的齿隙模型分段化,根据最小二乘法辨识双电机伺服系统参数.最后,通过仿真验证两阶段辨识法的有效性,验证结果表明,两阶段辨识法能够较准确地辨识电机参数和齿隙参数.(本文来源于《控制与决策》期刊2018年09期）
熊杰[2]（2016）在《两阶段SARX系统的辨识策略研究》一文中研究指出针对带外源输入的自回归切换系统辨识问题,本文根据递推最小二乘与卡尔曼滤波之间的联系,构造了一个时间序列统计量来检测SARX系统切换时刻,并由此提出两阶段辨识策略,从而将SARX系统辨识问题转化为线性系统辨识问题,并给出了详细的设计算法流程,为了验证本文所提切换时刻检测算法的性能,给出了仿真算例。仿真结果表明,本文所提出的自回归切换系统两阶段辨识策略的辨识精度优于文献[2]所提算法,而切换时刻检测算法能很好的估计出切换时刻,使数据聚类效果优于文献[2]所提的聚类法,因此最终的辨识性能也优于文献[2]所提算法,说明该策略有效并且优于现有SARX系统辨识算法。该研究为混杂系统的辨识问题提供了理论参考。(本文来源于《青岛大学学报(工程技术版)》期刊2016年04期）
景绍学[3]（2017）在《协方差重置的两阶段递推贝叶斯参数辨识算法》一文中研究指出为了在有色噪声干扰情况下获得无偏估计,基于辅助模型思想和分解技术,提出了一种带协方差重置的两阶段递推贝叶斯辨识算法。该算法首先把待辨识模型分解成两个虚拟子模型,然后分别辨识;同时,把估计到的噪声方差引入算法,并加入了一种新的协方差重置方法。计算量分析表明,与带协方差重置的最小二乘算法相比,所提算法可以减少计算量。仿真结果显示,所提算法的估计误差比传统最小二乘算法要小。实例建模证明了算法的有效性。(本文来源于《计算机工程与应用》期刊2017年06期）
贾杰,范奎伟[4]（2014）在《非线性输出误差模型的两阶段递推辨识算法》一文中研究指出输入非线性系统的输出误差模型在实际工业生产中是一类常见模型,针对含有色噪声的输出误差模型提出基于辅助模型的两阶段递推增广最小二乘算法。根据辅助模型思想和分解技术,将复杂的非线性辨识系统分解为系统模型和噪声模型子系统,再根据最小二乘思想分别辨识,其中噪声信息向量中存在的不可测噪声项用其估计值代替。最后与递推增广最小二乘算法在参数估计精度和收敛速度的比较,验证算法在此类模型应用的有效性,仿真结果表明该算法精度高,收敛速度快,计算量小。(本文来源于《南昌航空大学学报(自然科学版)》期刊2014年02期）
吕钢柱[5]（2013）在《输出误差类模型基于最新估计信息的两阶段最小二乘递推辨识》一文中研究指出传统的系统辨识方法，基本都是建立在一个参数向量的基础上进行辨识。该类方法的缺点是当参数向量的维数非常大的时候，系统的运算量将会非常巨大。两阶段系统辨识的思想最开始应用在非线性系统的参数辨识中，并相比传统方法取得良好效果。近几年来，由于两阶段辨识类算法相比传统算法在计算量方面的优势，该辨识思想越来越多地被应用在一般的线性系统的参数辨识中。但是，一般的两阶段辨识算法是以牺牲参数收敛速度为代价来减少系统的运算量的。为解决参数收敛速度和系统运算量之间的矛盾，本文将基于一般的两阶段辨识算法，提出新的辨识方法。针对输出误差类模型，将系统分解成两个子系统，并分别利用基本的基于辅助模型的的辨识算法分别对两个子系统进行参数辨识;针对输出误差类模型，提出了基于最新估计信息的两阶段最小二乘递推算法。本文新提出的基于最新估计信息的两阶段辨识算法的思想是：根据一般的两阶段辨识算法，在进行第二个子系统的参数辨识的时候，利用了同一时刻前个子系统的辨识结果，即最新的估计信息，来更新第二个子系统的参数辨识。因此能提高一般的两阶段辨识算法的收敛速度;通过仿真，结果表明新提出的算法在参数收敛方面相比一般的两阶段辨识算法有很大的提升，使得两阶段类辨识算法相比传统的辨识算法有了良好的优势。论文最后给出了一个总结，并对基于最新估计信息的两阶段辨识算法的研究尚需进行的课题进行简单介绍。(本文来源于《哈尔滨工业大学》期刊2013-12-01）
邵明强,李广文,徐恒[6]（2013）在《基于子空间和PEM的无人直升机两阶段参数辨识》一文中研究指出在研究子空间辨识方法和预测误差方法 (PEM)的基础上,提出了一种两阶段辨识方法,研究无人直升机的参数辨识问题。首先采用子空间方法得到初始参数模型,然后通过PEM方法得到参数化的直升机模型。为验证方法的有效性,以某型无人直升机实测数据为例进行参数辨识,结果表明该方法有良好的辨识精度。(本文来源于《飞行力学》期刊2013年04期）
段红红[7]（2013）在《输出误差类系统的两阶段递推辨识方法》一文中研究指出随着工业化的发展,系统的复杂程度不断加深,系统数学模型的也更加复杂,因而辨识过程中的计算量越来越大.针对这个问题,本文以国家自然科学基金项目为背景,基于递推最小二乘算法,结合分解的技术,利用辅助模型思想和多新息辨识理论,对输出误差类系统进行了算法推导和仿真研究,并取得了如下成果：1.针对输出误差系统,首先利用分解的技术,将系统分解成两个子系统.根据辅助模型的思想,对每个子系统的参数进行递推运算,推导了针对输出误差系统的两阶段递推最小二乘算法,并与辅助模型递推最小二乘算法进行比较.结果表明两阶段递推最小二乘算法能够得到较好的参数估计精度并且具有更小的计算量.2.在两阶段递推最小二乘算法的基础上,利用辅助模型的输出代替每个子系统信息向量中的未知中间变量,用估计残差代替信息向量中的未知噪声项,推导出针对输出误差滑动平均系统的两阶段递推增广最小二乘算法和针对输出误差自回归系统的两阶段递推广义最小二乘算法.通过计算量的比较得出所提出算法具有更小计算负担的结论.3.针对输出误差滑动平均自回归系统(Box-Jenkins系统),结合上述两阶段递推最小二乘算法和广义增广的方法,推导出相应的两阶段递推广义增广最小二乘算法.将两阶段算法与多新息辨识理论相结合,推导了两阶段多新息广义增广随机梯度算法.最后通过仿真例子验证了算法的有效性.综上所述,论文推导和研究输出误差类系统的几种参数估计算法,并通过Matlab仿真验证了算法的有效性和收敛速度.论文最后给出了结论与展望,对本课题研究中所面临的一些困难和一些有待解决的问题做了简单的介绍,如算法拓展以及实际应用等问题.(本文来源于《江南大学》期刊2013-03-01）
辛斌,白永强,陈杰[8]（2012）在《基于偏差消除最小二乘估计和Durbin方法的两阶段ARMAX参数辨识》一文中研究指出针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable,ARMAX)的参数辨识问题提出一种两阶段辨识方法.首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with exogenous variable,ARX),然后采用Durbin方法将移动平均部分(Moving average,MA)的参数辨识问题转换成一个长自回归模型(Long autoregressive,LAR)的参数辨识问题,并利用MA与等价LAR的参数对应关系直接得到MA参数,最后利用辨识出的MA参数计算出噪声方差.与扩展最小二乘法的数值仿真比较验证了这种两阶段辨识方法的有效性.(本文来源于《自动化学报》期刊2012年03期）
岳娜[9]（2010）在《基于数据滤波的两阶段辨识方法》一文中研究指出论文以国家自然科学基金项目(NO.60973043)为背景,研究有色噪声干扰下线性、非线性系统的两阶段辨识方法.作者在查阅了相关文献的基础上,简要回顾了系统辨识的历史,综述了相关参数估计方法,并对两阶段辨识方法进行了深入研究,取得的研究成果如下：1.针对有色噪声干扰的输出误差类系统,提出OEAR模型和Box-Jenkins模型的两阶段辨识方法.算法的主要思想是：根据噪声模型的结构设计相应的线性滤波器,用该滤波器对输入输出数据进行滤波处理,将系统转化为白噪声干扰的输出误差模型,再利用辅助模型辨识思想以及最小二乘原理,将系统模型参数和噪声模型参数交替辨识.仿真例子证明了算法的有效性.2.很多非线性系统都可以用Hammerstein模型来描述,将两阶段辨识思想推广到Hammer-stein非线性动态调节模型,利用多项式C(z)对非线性结构输入和输出进行滤波处理,将系统模型转换为非线性受控自回归模型,然后利用最小二乘原理将转换后的系统模型和噪声模型进行交互估计,推导出基于数据滤波的的两阶段辨识算法.仿真例子对提出算法进行了仿真并和递推广义算法、随机梯度算法进行了比较.3.针对一般有色噪声干扰的Hammerstein非线性系统,即干扰噪声为自回归滑动平均模型(ARMA)的输入非线性系统,借助数据滤波的思想和最小二乘原理,将辨识步骤分为系统模型和噪声模型辨识两个阶段,提出Hammerstein-CARARMA模型的两阶段辨识算法.计算机仿真说明该算法能得到高精度的参数估计.4.针对输入非线性输出误差类系统,结合辅助模型算法和数据滤波的优点,推导出Hammerstein-OEAR模型基于数据滤波的两阶段辨识算法.算法将系统模型的不可测变量用辅助模型的输出代替,未知噪声项用其估计值代替.通过仿真例子说明算法的有效性.论文推导和研究输出误差类系统和Hammerstein非线性系统的几种辨识算法,算法的可行性和优缺点采用计算机仿真的方法来验证,提出的辨识算法的收敛性有待近一步证明.(本文来源于《江南大学》期刊2010-11-01）
岳娜,朱志芳,周毅,丁锋[10]（2009）在《基于RLS的自回归滑动平均模型的两阶段辨识方法》一文中研究指出提出了基于递推最小二乘(RLS)的自回归滑动平均模型的两阶段辨识方法。仿真结果表明,方法给出的参数估计精度比递推增广最小二乘算法高。(本文来源于《科学技术与工程》期刊2009年07期）
两阶段辨识论文开题报告
（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：
针对带外源输入的自回归切换系统辨识问题,本文根据递推最小二乘与卡尔曼滤波之间的联系,构造了一个时间序列统计量来检测SARX系统切换时刻,并由此提出两阶段辨识策略,从而将SARX系统辨识问题转化为线性系统辨识问题,并给出了详细的设计算法流程,为了验证本文所提切换时刻检测算法的性能,给出了仿真算例。仿真结果表明,本文所提出的自回归切换系统两阶段辨识策略的辨识精度优于文献[2]所提算法,而切换时刻检测算法能很好的估计出切换时刻,使数据聚类效果优于文献[2]所提的聚类法,因此最终的辨识性能也优于文献[2]所提算法,说明该策略有效并且优于现有SARX系统辨识算法。该研究为混杂系统的辨识问题提供了理论参考。
（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。
两阶段辨识论文参考文献
[1].王树波,任雪梅,李斯琪.含齿隙双电机伺服系统未知参数的两阶段辨识[J].控制与决策.2018
[2].熊杰.两阶段SARX系统的辨识策略研究[J].青岛大学学报(工程技术版).2016
[3].景绍学.协方差重置的两阶段递推贝叶斯参数辨识算法[J].计算机工程与应用.2017
[4].贾杰,范奎伟.非线性输出误差模型的两阶段递推辨识算法[J].南昌航空大学学报(自然科学版).2014
[5].吕钢柱.输出误差类模型基于最新估计信息的两阶段最小二乘递推辨识[D].哈尔滨工业大学.2013
[6].邵明强,李广文,徐恒.基于子空间和PEM的无人直升机两阶段参数辨识[J].飞行力学.2013
[7].段红红.输出误差类系统的两阶段递推辨识方法[D].江南大学.2013
[8].辛斌,白永强,陈杰.基于偏差消除最小二乘估计和Durbin方法的两阶段ARMAX参数辨识[J].自动化学报.2012
[9].岳娜.基于数据滤波的两阶段辨识方法[D].江南大学.2010
[10].岳娜,朱志芳,周毅,丁锋.基于RLS的自回归滑动平均模型的两阶段辨识方法[J].科学技术与工程.2009