在系统参数辨识过程中,未知系统介数情况下,同时辨识阶次和参数法
上传时间： 2013-12-09
上传用户：stampede
flch3lseg1.m二阶系统一次性完成最小二乘辨识程序
上传时间： 2013-12-23
上传用户：123啊
采用NLJ随机搜索的方法辨识一个以状态方法表示的非线性系统。选其初值 a1(0) =50 , a2(0) =100 , a3(0) =100 , a4(0) =50 , a5(0) =10 , 选范围为 r(1)(i)=0.5 a(0)(i) , 取数据长度 L ＝40, t =0.005 , 性能指标 J＝ 。迭代计算结果得 a 的估计值 1=17.6043243, 1=17.5977, 2=72.9573, 3=51.3014, 4=22.9889, 5=5.99965, J = 0.000000916 。
上传时间： 2013-12-20
上传用户：weiwolkt
（1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数进行估计。 （2）M.dat,wnoise1.dat分别为M和白噪声序列。Wnoise1.dat的长度为700，wnoise2.dat的长度为1000。Msls6.c为N=600的程序，Msls8.c为N=800的程序。 （3）程序运行后，生成的两个h文件为产生的脉冲响应函数。Msls6.dat为msls6.c的参数估计结果，msls8.dat为msls8.c的参数辨识结果。分别如下所示： a1=0.906331 a2=0.160170 a3=0.025525 b1=0.704475 b2=-1.497551 c1=1.009114 c2=0.446890 a1=0.906347 a2=0.159066 a3=0.024650 b1=0.700720 b2=-1.493327 c1=1.008787 c2=0.425714 （4）由数据结果可以看出，采用msls辨识方法估计精度要比els法的估计精度差一些。尤其是噪声参数c2的估计误差不在1％以内。这是由于msls法计算上较为简便，计算上的简化就带来了估计精度上的误差。由N=600和N=800相比较，可以看出当N增大时，误差有所减小。理论上当N趋于无穷时， 。
上传时间： 2016-10-19
上传用户：恋天使569
这个程序主要是一个递推的最小二乘发,根据diphon方程来辨识一类系统的参数
上传时间： 2017-03-08
上传用户：爱死爱死
用神经网络对具有随机噪声的二阶系统模型进行辨识.
上传时间： 2017-04-27
上传用户：xymbian
MSLSⅠ多步递推最小二乘法 Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用计算输出数据；用原输出数据计算,用递推最小二乘方法分别对系统参数和模型参数进行估计。
上传时间： 2017-06-16
上传用户：exxxds
最小二乘法系统模型辨识，包括递推最小二乘法
上传时间： 2014-06-04
上传用户：er1219
主要介绍RBF神经网络与PID想结合的辨识系统
上传时间： 2014-01-22
上传用户：ve3344
基于SVR的线性系统的辨识和校验,辨识信号采用的都是随机信号,主要包含了SVR模型系统的建立以及SVR模型的泛化性检验两部分。 SVR模型的泛化性检验，校验信号分别为随机信号、正弦信号、阶跃信号和方波信号，程序运行时，每次选择一种信号。
上传时间： 2016-04-01
上传用户：guokai626
