递推估计算法
[拼音]:ditui guji suanfa
[外文]:recursive estimation algorithm
利用时刻t上的参数估计�D(t)、存储向量��(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值�D(t+1),再根据�D(t+1)计算出新参数值�D(t+2),直到获得满意的参数值为止。这种算法的每一步计算量都比较小,能够使用小型计算机进行离线或在线参数估计,可以估计时变参数,也可以实时估计适应控制器的参数(见适应控制系统)。20世纪60年代,递推估计算法得到迅速发展,到了70年代产生了许多不同的方法,例如,有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述:
给�D(t),F(t),��(t)和w(t)不同的值就得到各种不同的方法:
(1)递推最小二乘法;
(2)递推增广最小二乘法;
(3)递推近似极大似然法;
(4)递推辅助变量法;
(5)递推广义最小二乘法;
(6)卡尔曼滤波参数估计;
(7)随机逼近法;
(8)模型参考适应法;
(9)时变参数递推估计法。
- 参考书目
-
- Lennart Ljung,Torsten Soderstrom, Theory and Practice of Recursive Identification,MIT Press., Combridge, Mass., 1983.
建筑资质代办咨询热线:13198516101
标签:递推估计算法
版权声明:本文采用知识共享 署名4.0国际许可协议 [BY-NC-SA] 进行授权
文章名称:《递推估计算法》
文章链接:https://www.scworui.com/13798.html
该作品系作者结合建筑标准规范、政府官网及互联网相关知识整合。如若侵权请通过投诉通道提交信息,我们将按照规定及时处理。