●方法是: ●1)先用最小二乘法求出粗略的,再将9代入 式k)=0,计算出k ●2)根据式(10)构造辅助变量矩阵z ●3)利用式(5)求取θ的辅助变量估计值ⅳ; 4)将θn代入式(9)再次求得y(k); ●这样循环递推估计辅助变量参数,直到取得满意 的辨识结果为止
⚫ 方法是： ⚫ 1）先用最小二乘法求出粗略的 ，再将 代入 式 ，计算出 ； ⚫ 2）根据式（10）构造辅助变量矩阵 ； ⚫ 3）利用式（5）求取 的辅助变量估计值 ； ⚫ 4）将 代入式（9）再次求得 ； ⚫ 这样循环递推估计辅助变量参数，直到取得满意 的辨识结果为止。 ^ ^ ( ) ^ y k ^ ^ y(k) = Z IV ^ ( ) ^ IV y k ^
2)自适应滤波法 该方法所选择的辅助变量矩阵的形式与上一种方 法完全相同,只是辅助模型中参数向量的估计 方法不同。取 (k)=(1-a)b(k-1)+ab(k-d) ●式中:a取00-0.1;d取0~10:;(k)为k时刻所得 到的参数向量估计值。 ●当叭(k)是持续激励信号时,所选的辅助变量可以满 足式(2)所给出的2个约束条件
2）自适应滤波法 ⚫ 该方法所选择的辅助变量矩阵的形式与上一种方 法完全相同，只是辅助模型中参数向量 的估计 方法不同。取 ⚫ 式中： 取 ； 取 ； 为 时刻所得 到的参数向量估计值。 ⚫ 当 是持续激励信号时，所选的辅助变量可以满 足式（2）所给出的2个约束条件。 ( ) (1 ) ( 1) ( ) ^ ^ ^ k = − k − + k − d ^ 0.01~ 0.1 d 0 ~10 ( ) k ^ k u(k)