1.一种自适应增益梯度投影辨识方法,其特征在于步骤如下:
(1)在指定范围内初选离散动态系统传递函数模型的待辨识参数初值及参数范围;
(2)根据当前时刻的输入输出数据,采用迭代法调整梯度投影算法增益,使得在该增益下得到的当前步辨识参数下的模型预报误差在约束条件下达到极小,此时记录所对应的参数辨识结果为本步参数辨识结果;
(3)对下一步输入输出采样数据,重复步骤(2)。
2.根据权利要求1所述的一种自适应增益梯度投影辨识方法,其特征在于:离散动态系统传递函数模型为d(z-1)y(k)=n(z-1)u(k),其中,多项式d(z-1)和n(z-1)为多项式系数,y(k)为模型输出,u(k)为模型输入。
3.根据权利要求2所述的一种自适应增益梯度投影辨识方法,其特征在于:步骤(1)在指定范围内初选离散动态系统传递函数模型的待辨识参数初值及参数范围,具体为:
(1.1)对待辨识离散动态系统传递函数模型的分母多项式的系数初选初值;
(1.2)对待辨识离散动态系统传递函数模型的分子多项式的系数初选初值;
(1.3)对待辨识离散动态系统传递函数模型初选初值;
(1.4)确定待辨识离散动态系统传递函数模型的变化范围。
4.根据权利要求3所述的一种自适应增益梯度投影辨识方法,其特征在于:待辨识离散动态系统传递函数模型d(z-1)y(k)=n(z-1)u(k)的分母多项式为:d(z-1)=1+a1(t)z-1+a2(t)z-2+...+an(t)z-n,其系数ai(t),i=1,2,...,n初选初值,其初值为:
5.根据权利要求4所述的一种自适应增益梯度投影辨识方法,其特征在于:待辨识离散动态系统传递函数模型d(z-1)y(k)=n(z-1)u(k)的分子多项式为:n(z-1)=b0(t)z-1+b1(t)z-2+b2(t)z-3+...+bm(t)z-m-1,其系数bi(t),i=0,1,2,...,m初选初值,其初值为:
6.根据权利要求5所述的一种自适应增益梯度投影辨识方法,其特征在于:待辨识离散动态系统传递函数模型的参数初值θ(0)为:
θt(0)=(a1(0),a2(0),...an(0),b0(0),b1(0),...bm(0))。
7.根据权利要求5所述的一种自适应增益梯度投影辨识方法,其特征在于:待辨识离散动态系统传递函数模型的变化范围dθ为:
其中,参数δ>0,0<γmin<γmax,为根据先验知识得到的未知被辨识参数上下界参数。
8.根据权利要求7所述的一种自适应增益梯度投影辨识方法,其特征在于:所述步骤(2)采用迭代法调整梯度投影算法增益,具体为:
(2.1)初始化操作
令:
其中,γ(i=1)=γmax是对每一步参数辨识算法的增益赋迭代初值γmax,
(2.2)迭代搜索最优参数辨识结果;
(2.3)确定当前第k步的最终辨识结果:
9.根据权利要求8所述的一种自适应增益梯度投影辨识方法,其特征在于:迭代搜索最优参数辨识结果,具体为:
令i=1~imax,这里,1≤imax∈z+是每步辨识中迭代搜索的设定次数,对每步辨识过程的迭代循环,进行如下操作
(i)记:参数θm=θs,如果i=imax+1,记
(ii)当i≤imax时,对上述(i)中得到的θm是否在参数的先验范围区间内进行判断:当
(iii)比较验后误差errpst与验前误差errpre的绝对值大小,如果|errpst|<|errpre|且|errpst|>δnoise同时成立,则:将θs值用第i次迭代的参数辨识结果θm值替换,即,θs=θm,将验前误差errpre的值用第i次迭代得到的验后误差errpst值替换,即,errpre=errpst,并置第i+1次迭代的增益值γ(i+1)=γmax,之后返回上述(i);其中,δnoise是测量噪声的3倍均方差值;
(iv)比较验后误差errpst与验前误差errpre的绝对值大小,如果|errpst|<|errpre|以及|errpst|>δnoise不能同时成立,则:置第i+1次迭代的增益值γ(i+1)=γ(i+1)/2,之后返回上述(i)。
10.根据权利要求8所述的一种自适应增益梯度投影辨识方法,其特征在于:进行θm参数估计具体为:将