一类Wiener非线性时变系统的迭代学习辨识
针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计.文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法.仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性.
时变参数、Wiener系统、梯度算法、最小二乘、迭代学习
43
TP181(自动化基础理论)
国家自然科学基金62073291
2021-09-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
2594-2600