典型文献
哈默斯坦非线性时变系统的加权学习辨识方法
文献摘要：
针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数.首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数.为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度.该文分别给出3种算法的推导过程并进行仿真验证.结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点.
文献关键词：
加权迭代学习辨识;时变参数;哈默斯坦模型;最小二乘算法
中图分类号：
作者姓名：
仲国民;俞其乐;陈强
作者机构：
浙江工业大学信息工程学院 杭州 310023
文献出处：
引用格式：
[1]仲国民;俞其乐;陈强-.哈默斯坦非线性时变系统的加权学习辨识方法)[J].电子与信息学报,2022(05):1610-1616
A类：
非线性时变系统,加权迭代学习辨识,哈默斯坦模型
B类：
辨识方法,限区,Hammerstein,迭代学习算法,时变参数,多项式,最小二乘算法,辨识系统,遗忘因子,权矩阵,算法改进,改进系统,跟踪误差,辨识精度,仿真验证,迭代次数
AB值：
0.184923
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
