基于正交梯度搜索的动态系统递阶优化辨识

提出了一种辨识线性时不变状态空间系统参数的正交梯度二步递阶优化方法．通过极小化输出误差目标函数获得了系统参数估计；提出了正交梯度搜索方法用于解决系统参数的非唯一性问题，正交梯度搜索的本质是在输入-输出等价类相切平面的正交垂空间更新系统参数；给出了用L-M算法进行参数优化的充分条件：提出的系统参数递阶优化辨识方法包括两步：首先用给出的自适应L-M算子正交梯度方法确定参数优化方向；其次由一维搜索方法计算最佳步长．蒙特卡罗数值仿真实验表明本文提出的方法具有收敛速度快、抗噪能力强以及数值稳定性好等优点．...

Full description

Saved in:
Bibliographic Details
Published inZi dong hua xue bao Vol. 34; no. 6; pp. 711 - 715
Main Author 衷路生 宋执环
Format Journal Article
LanguageChinese
Published 华东交通大学电气与电子工程学院,南昌,330013%浙江大学工业控制研究所工业控制技术国家重点实验室,杭州,310027 2008
浙江大学工业控制研究所工业控制技术国家重点实验室,杭州,310027
Subjects
Levenberg-Maxquardt（L-M）算法
参数估计
极大似然估计
状态空间模型
系统辨识
递阶优化
递阶优化
极大似然估计
状态空间模型
Levenberg-Marquardt(L-M)算法
系统辨识
参数估计
Online AccessGet full text
ISSN0254-4156
1874-1029
DOI10.3724/SP.J.1004.2008.00711

Cover

More Information
Summary:提出了一种辨识线性时不变状态空间系统参数的正交梯度二步递阶优化方法．通过极小化输出误差目标函数获得了系统参数估计；提出了正交梯度搜索方法用于解决系统参数的非唯一性问题，正交梯度搜索的本质是在输入-输出等价类相切平面的正交垂空间更新系统参数；给出了用L-M算法进行参数优化的充分条件：提出的系统参数递阶优化辨识方法包括两步：首先用给出的自适应L-M算子正交梯度方法确定参数优化方向；其次由一维搜索方法计算最佳步长．蒙特卡罗数值仿真实验表明本文提出的方法具有收敛速度快、抗噪能力强以及数值稳定性好等优点．
Bibliography:System identification, parameter estimation, Levenberg-Marquardt （L-M） algorithm, hierarchical optimization （HO）, state-space models, maximum likelihood estimation
11-2109/TP
TP273
ISSN:0254-4156
1874-1029
DOI:10.3724/SP.J.1004.2008.00711