基于滤波的多输入多输出哈梅尔林模型递归最小二乘参数估计算法

0 下载量 125 浏览量 更新于2024-08-30 收藏 2.02MB PDF 举报
本文主要探讨了"基于滤波的递归最小二乘法(RLS)在多输入多输出(Hammerstein)系统参数估计中的应用"。该研究论文由Ziyun Wang、Yan Wang和Zhicheng Ji合作完成,他们来自江南大学轻工先进过程控制重点实验室,地址位于中国无锡。论文发表于2014年,学术编辑为Haranath Kar,并遵循Creative Commons Attribution许可证,允许在任何媒体上无限制地使用、分发和复制,只要原始作品得到正确引用。 Hammerstein模型是一种广泛应用于控制系统设计的结构,它将非线性部件(如饱和放大器或记忆元件)与线性动态系统相结合。在多输入多输出(MIMO)情况下,这种模型更复杂,因为系统同时处理多个输入和输出信号。论文的核心关注点是处理这类系统的参数估计问题,特别是当模型采用有限 impulse response (FIR-MAR)结构时。 滤波技术在这个过程中起着关键作用,通过将FIR-MAR模型与噪声传递函数结合,作者将其转化为一个受控自回归模型。这种转换使得参数估计变得更加有效,因为滤波可以减少噪声对估计结果的影响。数据滤波的基础上,论文提出了一个基于递归最小二乘法的算法,这种方法在迭代过程中不断优化模型参数,以达到最小化误差的目的。 通过数值例子,论文展示了所提出的算法的有效性和鲁棒性,它能够在实际情况下提供准确且稳定的参数估计。这对于控制系统的设计和优化具有重要的实际意义,特别是在处理具有非线性特性的多输入多输出系统时。这篇研究不仅深化了对MIMO Hammerstein系统理解,还提供了一种实用的工具来解决此类系统中的参数估计问题。