一种改进的Levenberg-Marquardt辨识算法

发布时间：2024-05-09 06:11

　　提出一种新的辨识算法对输出误差系统的参数进行辨识。运用Levenberg-Marquardt算法解决高斯牛顿法无法求逆的问题。一般算法中采用系统输出代替未知变量,但是系统输出中带有测量噪声会影响系统辨识算法的精度。为了解决这一问题,引入辅助模型思想,建立辅助模型,用辅助模型输出代替系统中的未知变量。带有固定遗忘因子的辨识算法,收敛速度较慢,预测精度较低。为了解决这一问题,引入基于预测误差的可变遗忘因子,加快算法的收敛速度,提高算法的预测精度。最后,通过仿真证明了本文算法的有效性。

【文章页数】：6 页

【部分图文】：

图1输出误差系统

·1264·电子测量与仪器学报第30卷文提出了一种改进的Levenberg-Marquardt方法，通过调节算法中的因子提高收敛速度和预测精度。引入辅助模型思想，建立辅助模型，用辅助模型输出代替系统中的未知变量。引入可变遗忘因子，进一步提高算法的收敛速度和预测精度。2系统模型及问....

图2辅助模型Fig．2Auxiliarymodel

斯牛顿法进行迭代时，如果损失函数增大，则γ因子取较大值，利用梯度下降法快速搜索。从而提高算法的收敛速度和预测精度。因为参数向量^φ(k)中含有未知变量［xk－()1，xk－()2，…，x()k－na］，所以无法对系统参数进行辨识。一般采用y()k－i代替未知变量x()k－i，但是....

图3误差指标Fig．3Errorindex

·1266·电子测量与仪器学报第30卷NSＲ=abs(mean(v))abs(mean(Y))(32)或者用信噪比:SNＲ=20×log(1/NSＲ)(33)输出误差模型:y(k)=0．3z+0．2z2－1．3z+0．4u(k)+v(k)(34)式中:［a1，a2，b1，b2］=....

图4参数辨识结果

·1266·电子测量与仪器学报第30卷NSＲ=abs(mean(v))abs(mean(Y))(32)或者用信噪比:SNＲ=20×log(1/NSＲ)(33)输出误差模型:y(k)=0．3z+0．2z2－1．3z+0．4u(k)+v(k)(34)式中:［a1，a2，b1，b2］=....

本文编号：3968430