SF与RLS算法结合的时变系统参数辨识

摘要：

遗忘因子最小二乘算法(RLS)具有对时变系统参数在线估计的能力,而传统的遗忘策略对解决参数辨识矩阵过饱和问题具有一定局限性.为了拓展现有RLS算法在时变系统的适用范围,提出一种将选择遗忘机制(SF)与RLS算法结合的时变系统辨识算法.从而构造出一种基于参数矩阵特征值映射的有界函数,特征值映射函数能够根据系统数据传递过程中信息量的大小动态调整遗忘因子,解决了参数辨识过程中数据分布不均匀问题.仿真结果表明,相比传统的RLS算法,带有选择遗忘机制的RLS算法能够更加准确的跟踪系统参数的变化,同时保证系统不是2N阶持续激励信号的情况下,也能够对时变系统参数进行跟踪.

关键词：选择遗忘机制、最小二乘算法、时变参数、系统辨识、参数辨识矩阵

所属期刊栏目：39

分类号：TB18(工程基础科学)

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：335-339