手机知网 App
24小时专家级知识服务
打 开
非线性科学与系统科学
LPV模型的动态压缩测量辨识算法
2019-01-07
在解决线性参变(LPV)模型的辨识问题上,最小二乘辨识算法以结构简单、计算复杂度低等优点被大量使用。但是,由于最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量(DCMI)辨识算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确的辨识出线性参变函数,而且该法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。
0 9
下载本文(PDF文件/534K)
北京航空航天大学学报
网络首发

搜 索