导读:本文包含了非线性最小二乘辨识论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:小二,向量,参数,系统,分解,迭代法,模型。
非线性最小二乘辨识论文文献综述
刘芳芳,任晓明[1]（2019）在《基于多新息最小二乘算法的非线性系统辨识》一文中研究指出针对最小二乘算法辨识性能较差问题,将最小二乘算法中的单新息通过利用p组数据拓展到多新息向量,提出了多新息最小二乘算法。与最小二乘相比,所提出的算法不仅利用了当前的系统信息,而且利用了过去的系统信息,进一步提高了参数辨识的精度和收敛速度。在所提出的算法中,为了减少冗余的参数辨识和算法计算量,利用关键性分离技术构造整体辨识模型。设计了辅助模型来替代系统中未知的中间变量,提高了参数估计的精度。对比仿真结果表明,所提出的算法具有比递归最小二乘算法更高的辨识精度和收敛速度。(本文来源于《自动化仪表》期刊2019年09期）
钱承,胡红生[2]（2018）在《基于最小二乘支持向量机的压电作动器迟滞非线性建模及参数辨识》一文中研究指出为了辨识压电作动器应用中迟滞非线性特性,采用Preisach模型与最小二乘支持向量机(LS-SVM)的混合建模法构建压电作动器模型以表征其迟滞非线性。在Preisach模型基础上采用一阶回转曲线法求得α-β平面内的迟滞单元加权系数,以迟滞单元形心和加权系数作为训练模型的输入输出,利用遗传算法对模型参数进行了辨识。数值仿真验证了建立的模型能精确描述压电作动器迟滞非线性特性,仿真结果与实验结果的相对误差在0.12%~2.01%之间,证实了模型的有效性。(本文来源于《中国机械工程》期刊2018年07期）
张海宁[3]（2017）在《基于非线性最小二乘法的光伏电池参数辨识》一文中研究指出光伏阵列模型的准确性直接关系到其仿真的可靠性,由于模型的参数值随工况的变化而改变,因此根据实测数据辨识模型参数尤为重要。本文采用四参数模型对光伏组件建模,首先提出了一种基于逐步线性搜索的非线性最小二乘光伏电池参数辨识方法,利用该方法辨识得到了光伏电池的参数参考值,辨识曲线与实测数据的对比结果证明了该方法的可行性,且辨识精度较高,实现简单。然后对光伏组件四参数模型中的α、β、γ3个系数进行了优化,并将光伏电池参数辨识与模型系数优化相结合,提出了参数辨识-系数优化(PI-CO)迭代法。迭代过程中参数值和系数值快速收敛至最优点,且目标函数值随之减小,表明该辨识方法能够进一步提高仿真精度。(本文来源于《现代电力》期刊2017年06期）
丁锋,陈启佳[4]（2015）在《输出非线性方程误差类系统递推最小二乘辨识方法》一文中研究指出随着控制技术的发展,控制对象的规模越来越大,使得辨识算法的计算量也越来越大.对于结构复杂的非线性系统,特别是包含未知参数乘积的非线性系统,使得过参数化辨识方法的参数数目大幅度增加,辨识算法的计算量也急剧增加,因此探索计算量小的参数估计方法势在必行.针对输出非线性方程误差类系统,讨论了基于过参数化模型的递推最小二乘类辨识方法;为减小过参数化辨识算法的计算量和提高辨识精度,分别利用分解技术和数据滤波技术,研究和提出了基于模型分解的递推最小二乘辨识方法和基于数据滤波的递推最小二乘辨识方法.最后给出了几个典型辨识算法的计算量、计算步骤、流程图.(本文来源于《南京信息工程大学学报(自然科学版)》期刊2015年03期）
陈启佳[5]（2015）在《基于分解的输出非线性系统递推最小二乘辨识》一文中研究指出随着系统建模和控制科学技术的不断发展,控制对象的规模越来越大,这使得辨识算法的计算量也相应增大。对于结构复杂的输出非线性系统,在对其辨识过程中由于出现了参数向量的乘积,使得信息向量维数增大,计算量急剧增加,探索新的计算量小的参数估计方法对其进行辨识势在必行。本文分别利用分解技术和滤波技术,研究并讨论了有色噪声干扰的输出非线性系统的递推辨识方法的问题。选题在提高非线性系统计算效率方面具有重要意义,论文研究如下。(1)针对输出非线性方程误差滑动平均(ON-EEMA)系统、输出非线性方程误差自回归(ON-EEAR)系统和输出非线性方程误差自回归滑动平均(ON-EEARMA)系统,分别提出了基于过参数化模型的递推增广最小二乘算法、基于过参数化模型的递推广义最小二乘算法和基于过参数化模型的递推广义增广最小二乘算法。(2)为了减小计算量,引入分解辨识的思想,将ON-EEMA系统、ON-EEAR系统和ON-EEARMA系统分别分解为两个虚拟子系统,分别提出了基于分解的递推增广最小二乘算法、基于分解的递推广义最小二乘算法和基于分解的递推广义增广最小二乘算法。(3)为进一步减小计算量,在分解的基础上引入数据滤波技术。针对ON-EEMA系统、ON-EEAR系统和ON-EEARMA系统,推导其基于滤波的辨识模型,利用滤波技术和分解技术,推导出其基于滤波的分解递推增广最小二乘算法、基于滤波的分解递推广义最小二乘算法以及基于滤波的分解递推广义增广最小二乘算法。(本文来源于《江南大学》期刊2015-06-01）
过峰,俞建峰,陆振中[6]（2014）在《基于最小二乘支持向量机的热电偶非线性辨识研究》一文中研究指出热电偶的电动势和温度之间的函数关系是一种非线性关系。对热电偶进行精确的非线性辨识是提高温度测试精度的关键。采用最小二乘支持向量机方法解决热电偶的非线性辨识问题,可以实现热电偶电动势和温度之间的高精度辨识。该方法采用LS-SVM构建逆模型,并通过该模型映射热电偶的非线性特性。通过K型热电偶的非线性辨识实验结果表明:所提出的LS-SVM模型能很好地拟合热电偶的非线性特征,辨识精度高,误差在0.3℃以内。(本文来源于《工业控制计算机》期刊2014年11期）
王建宏,王道波[7]（2011）在《基于全局非线性可分离的最小二乘法的飞机颤振模态参数辨识》一文中研究指出考虑在输入-输出数据都带有噪声的前提下,将偏差补偿最小二乘算法(CLS)进行推广得到非线性可分离的最小二乘算法(NSLS)。采用适用于噪声环境的非线性可分离的最小二乘算法可准确地辨识飞机的颤振模态参数,该算法结合传递函数模型,将带噪声系统的辨识问题转化为非线性可分离的最小二乘问题。利用该算法,两噪声的方差值和传递函数中的模型参数可分离地估计出来。最后利用试飞试验数据辨识飞机的系统参数,验证了该方法的有效性。(本文来源于《振动与冲击》期刊2011年02期）
邓文彬,孙明轩[8]（2010）在《非线性时变系统神经网络辨识的正交迭代学习最小二乘算法》一文中研究指出针对有限时间区间非线性时变系统,利用QR分解,提出用于时变高阶神经网络训练的正交迭代学习最小二乘算法。通过二维Givens变换,进行时变权值估计迭代更新,文中给出了在线辨识和离线辨识两种不同方式。数值结果表明,随着迭代次数增加算法收敛,训练后得到的神经网络输出能够跟踪上系统的实际输出。(本文来源于《Proceedings of 2010 International Conference on Future Information Technology and Management Engineering (FITME 2010) Volume 3》期刊2010-10-09）
彭海波,于开平,刘炜[9]（2010）在《基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统》一文中研究指出基于时变非线性自回归滑动平均模型利用改进的递推最小二乘算法提出一种用于非线性时变结构系统辨识的方法。利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后将非线性项展开为系统输出数据的多项式的形式。利用短时时不变假设,通过改变模型的参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题,再利用改进的递推最小二乘算法实现对非线性时变结构系统的辨识。最后通过一个具有非线性时变刚度的叁自由度结构系统的仿真算例表明,该方法可以有效地辨识非线性时变结构系统。(本文来源于《噪声与振动控制》期刊2010年02期）
陈杰,朱琳[10]（2010）在《基于混合最小二乘支持向量机网络模型的非线性系统辨识》一文中研究指出针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识,同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.(本文来源于《控制理论与应用》期刊2010年03期）
非线性最小二乘辨识论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了辨识压电作动器应用中迟滞非线性特性,采用Preisach模型与最小二乘支持向量机(LS-SVM)的混合建模法构建压电作动器模型以表征其迟滞非线性。在Preisach模型基础上采用一阶回转曲线法求得α-β平面内的迟滞单元加权系数,以迟滞单元形心和加权系数作为训练模型的输入输出,利用遗传算法对模型参数进行了辨识。数值仿真验证了建立的模型能精确描述压电作动器迟滞非线性特性,仿真结果与实验结果的相对误差在0.12%~2.01%之间,证实了模型的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性最小二乘辨识论文参考文献
[1].刘芳芳,任晓明.基于多新息最小二乘算法的非线性系统辨识[J].自动化仪表.2019
[2].钱承,胡红生.基于最小二乘支持向量机的压电作动器迟滞非线性建模及参数辨识[J].中国机械工程.2018
[3].张海宁.基于非线性最小二乘法的光伏电池参数辨识[J].现代电力.2017
[4].丁锋,陈启佳.输出非线性方程误差类系统递推最小二乘辨识方法[J].南京信息工程大学学报(自然科学版).2015
[5].陈启佳.基于分解的输出非线性系统递推最小二乘辨识[D].江南大学.2015
[6].过峰,俞建峰,陆振中.基于最小二乘支持向量机的热电偶非线性辨识研究[J].工业控制计算机.2014
[7].王建宏,王道波.基于全局非线性可分离的最小二乘法的飞机颤振模态参数辨识[J].振动与冲击.2011
[8].邓文彬,孙明轩.非线性时变系统神经网络辨识的正交迭代学习最小二乘算法[C].Proceedingsof2010InternationalConferenceonFutureInformationTechnologyandManagementEngineering(FITME2010)Volume3.2010
[9].彭海波,于开平,刘炜.基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统[J].噪声与振动控制.2010
[10].陈杰,朱琳.基于混合最小二乘支持向量机网络模型的非线性系统辨识[J].控制理论与应用.2010
论文知识图
