系统辨识作业：随机牛顿法_第1页
系统辨识作业：随机牛顿法_第2页
系统辨识作业：随机牛顿法_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

随机牛顿法：算法基本原理：1.随机逼近法本质上类似最速下降法，缺点是当搜索逼近极小值点时，易发生振荡，搜索速度慢；2.为加快搜索速度，采用随机牛顿法如下：3. 设R(k)为Hessian矩阵的k时刻的估计值，R(k)的随机逼近算法可根据Robbins-Monro算法求出，随机牛顿算法归结为：（k）为收敛因子，（k）=1/k。程序设计思路：待辨识对象参数a=1 -1.5 0.7; b=1 0.5;输入采用长度L=400的白噪声序列，输出，输入和输出数据均含不相关随机噪声，（k）=1/k。利用上述递推公式，辨识系统参数。辨识结果：估计参数值ans = -1.4782 0.6778 0.9795 0.5026经过400步的计算，系统辨识参数与真值基本相同。程序：%递推随机牛顿参数估计（RSNA）clear; clc;a=1 -1.5 0.7; %对象参数b=1 0.5; d=3; na=length(a)-1; %na、nb为A、B阶次nb=length(b)-1; L=400; %仿真长度uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i)yk=zeros(na,1); %输出初值xik=zeros(na,1); %白噪声初值etak=zeros(d+nb,1); %白噪声初值u=randn(L,1); %输入采用白噪声序列xi=sqrt(0.1)*randn(L,1); %白噪声序列eta=sqrt(0.25)*randn(L,1); %白噪声序列theta=a(2:na+1);b; %对象参数真值thetae_1=zeros(na+nb+1,1); %参数估计初值Rk_1=eye(na+nb+1); %-随机牛顿算法-for k=1:L phi=-yk;uk(d:d+nb); e(k)=a*xi(k);xik-b*etak(d:d+nb); y(k)=phi*theta+e(k); %采集输出数据 R=Rk_1+(phi*phi-Rk_1)/k; dR=det(R); if abs(dR)10(-6) %避免矩阵R非奇异 R=eye(na+nb+1); end IR=inv(R); thetae(:,k)=thetae_1+IR*phi*(y(k)-phi*thetae_1)/k; %更新数据 thetae_1=thetae(:,k); Rk_1=R; for i=d+nb:-1:2 uk(i)=uk(i-1); etak(i)=etak(i-1); end uk(1)=u(k); etak(1)=eta(k); for i=na:-1:2 yk(i)=yk(i-1); xik(i)=xik(i-1); end yk(1)=y(k); xik(1)=xi(k);enddisp(估计参数值)thetae(:,400)plot(1:L,thetae);xlab
人人文库> 全部分类> 应用文书 > 事务文书

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论