论文部分内容阅读
非线性系统在能源、电力、电子通信和工业制造等实际工程领域中广泛存在.因此,当前越来越多的学者在持续关注非线性系统的参数辨识问题.本文针对Hammerstein,Wiener和Hammerstein-Wiener Errors-in-Variables等非线性系统,基于滤波辨识原理,提出了递推最小二乘、随机梯度、迭代最小二乘、近似无偏两阶段估计等辨识算法,并通过数值仿真示例及算法在风力发电领域的实际应用示例,分别在理论上和实际领域验证了算法的有效性,体现本文对丰富和发展辨识算法的理论意义和应用价值.论文的工作主要包括以下几个方面:1.针对单入单出Hammerstein有限脉冲响应滑动平均系统,提出了基于滤波的递推最小二乘辨识算法,提高了辨识精度.同时,为了减小算法的计算量,将系统分解为若干个子系统,提出了基于滤波的递阶分解最小二乘辨识算法,其计算量比递推最小二乘辨识算法小很多.2.针对单入单出Hammerstein有限脉冲响应滑动平均系统,结合滤波思想和迭代方法,分别提出了基于滤波的梯度迭代算法和最小二乘迭代算法.同时将传统的单新息向量推广到多新息矩阵,提出了基于滤波的多新息随机梯度算法,给出的数值仿真验证了算法的有效性.3.针对单入单出Wiener有限脉冲响应滑动平均的反馈系统,构建系统的辨识模型,通过滤波方法进行模型重建,随后采用递阶分解的方法将反馈系统分解为两个子系统,提出了针对反馈非线性系统的基于滤波的递推最小二乘辨识算法.4.针对多入多出Hammerstein有限脉冲响应滑动平均系统,引入Kronecker乘积对模型参数进行重构,将原本复杂的多维系统变得容易建模,同时引入滤波辨识的思想,分别提出了基于滤波的递推最小二乘算法和基于滤波的随机梯度算法.5.针对Hammerstein-Wiener Errors-in-Variables系统,采用两阶段最小二乘方法,引入奇异值分解提取耦合参数项中的待测参数,避免了参数冗余.随后在系统测量误偏性质的证明.6.将滤波辨识算法应用于风速预测和风电功率预测等实际工程领域.首先结合迭代辨识思想,在灰色模型基础上提出一类风速短期预测算法.随后,根据风速的短期预测结果,结合滤波辨识方法针对非线性的风电功率特性曲线进行建模,将算法用于短期功率预测,体现出滤波辨识在工程领域的应用价值.综上所述,本文主要针对以Hammerstein、Wiener、Hammerstein-Wiener Errors-inVariables模型为代表的非线性系统,研究了基于滤波的辨识算法,同时通过仿真示例和工程运用示例,分别在理论上和实际应用中验证了提出的辨识算法的有效性和实用性.