针对MIMO系统的两阶段滤波极大似然随机梯度辨识方法
本申请涉及自适应控制辨识领域，尤其涉及一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法。
背景技术：
1、系统辨识广泛应用于许多科学和工程领域，如航空航天、化工、自适应控制和故障诊断等都需要用到辨识技术，根据观测数据来确定数学模型。数学模型是控制器设计和系统分析的基础。对于多输入多输出（mimo）系统，由于其模型结构的复杂性，其参数辨识方法和辨识精度取决于具体的模型结构和参数量。
2、现有技术中，针对有色噪声干扰下的随机系统，利用数据滤波技术，对输入输出数据进行滤波，将具有滑动平均噪声的原始系统转换为白噪声干扰下的系统可以通过基于辅助模型的极大似然随机梯度（am-ml-sg）算法等进行辨识处理，但在实际应用中，多输入多输出（mimo）系统通过上述极大似然随机梯度算法进行辨识存在着参数估计准确度不足、模型复杂度高以及存在过拟合风险的技术问题。
技术实现思路
1、本申请实施例提供了一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，解决了现有技术中针对多输入多输出系统存在着参数估计准确度不足、模型复杂度高以及存在过拟合风险的技术问题。
2、本申请实施例提供了一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，方法包括：基于预设的mimo系统，确定mimo系统输出误差自回归滑动平均模型，并对mimo系统输出误差自回归滑动平均模型进行中间变量构建，以确定模型中间变量表达式；根据模型中间变量表达式，对mimo系统输出误差自回归滑动平均模型进行单输出构建，以得到多输入单输出子系统模型组；基于多输入单输出子系统模型组，通过mimo系统辨识模型构建，得到滤波辨识模型；对滤波辨识模型进行准则函数构建，确定辨识模型准则函数；根据辨识模型准则函数，通过辨识模型初始配置，得到辨识模型初始配置参数；基于辨识模型初始配置参数和预设的系统输入输出数据，确定信息向量组；根据信息向量组，通过参数估计比较判断，确定参数估计数据。
3、在本申请的一种实现方式中，对mimo系统输出误差自回归滑动平均模型进行中间变量构建，以确定模型中间变量表达式，具体包括：基于mimo系统输出误差自回归滑动平均模型，通过状态系数中间变量构建，确定模型第一中间变量表达式；根据预设服从高斯分布的随机白噪声，通过有色噪声配置，确定模型第二中间变量表达式；基于模型第一中间变量表达式和模型第二中间变量表达式，确定模型中间变量表达式。
4、在本申请的一种实现方式中，根据模型中间变量表达式，对mimo系统输出误差自回归滑动平均模型进行单输出构建，以得到多输入单输出子系统模型组，具体包括：将mimo系统输出误差自回归滑动平均模型进行模型框图转化，以得到mimo系统出误差自回归滑动平均模型框图；基于mimo系统出误差自回归滑动平均模型框图，通过模型输出区分构建，确定多输入单输出子系统模型组；其中，多输入单输出子系统模型组，由以下公式表示：；其中，为mimo系统的系统输出、为输出序号，为mimo系统的系统输入、为输入序号，、、、为单位后移算子多项式。
5、在本申请的一种实现方式中，基于多输入单输出子系统模型组，通过mimo系统辨识模型构建，得到滤波辨识模型，具体包括：对多输入单输出子系统模型组进行一般辨识模型构建，以得到一般辨识模型；基于多输入单输出子系统模型组，通过滤波辨识模型构建，确定滤波辨识模型。
6、在本申请的一种实现方式中，根据辨识模型准则函数，通过辨识模型初始配置，得到辨识模型初始配置参数，具体包括：将的初始值设为1，并对预设的参数向量进行初始配置，以得到第一配置参数；对拟合中间变量进行初始参数配置，以确定第二配置参数；根据第一配置参数和第二配置参数，得到辨识模型初始配置参数。
7、在本申请的一种实现方式中，基于辨识模型初始配置参数和预设的系统输入输出数据，确定信息向量组，具体包括：基于辨识模型初始配置参数和系统输入输出数据，确定信息向量组构建数据；根据信息向量构建数据，分别通过第一向量模型、第二向量模型、第三向量模型、第四向量模型，确定第一信息向量、第二信息向量、第三信息向量、第四信息向量；根据预设的估计值，通过辨识时刻配置，确定第五信息向量；基于第一信息向量、第二信息向量、第三信息向量、第四信息向量、第五信息向量，确定信息向量组。
8、在本申请的一种实现方式中，根据信息向量组，通过参数估计判断，确定参数估计数据，具体包括：基于信息向量组，通过滤波参数分析，确定滤波信息参数；其中，滤波信息参数包括：滤波输入、滤波输出、滤波信息向量；对滤波信息参数进行极大似然分析，以得到极大似然滤波信息数据；其中，极大似然滤波信息数据包括：极大似然滤波向量、滤波变量；根据极大似然滤波信息数据，通过模型上一时刻变量分析，确定待更新分析参数；对待更新分析参数进行第一参数估计分析，以确定第一参数估计数据；对第一参数估计数据进行第二参数估计分析，以确定第二参数估计数据；在时刻变量等于预设阈值的情况下，将第一参数估计数据和第二参数估计数据设为参数估计数据；在当前时刻变量小于预设阈值的情况下，将当前时刻变量增加预设时刻值，并将增加预设时刻值后的极大似然滤波信息数据重新进行模型上一时刻变量分析，确定参数估计数据。
9、在本申请的一种实现方式中，基于信息向量组，通过滤波参数分析，确定滤波信息参数，具体包括：基于信息向量组，通过滤波输出分析，确定滤波输出；其中，滤波输出分析，由以下公式表示：；其中，为滤波输出、为参数估计、为阶次；通过滤波输入分析，确定滤波输入；其中，滤波输入分析，由以下公式表示：；其中，为滤波输入；根据信息向量组，通过滤波向量分析，确定滤波信息向量；其中，滤波向量分析，由以下公式表示：；其中，为滤波信息向量、为信息向量。
10、在本申请的一种实现方式中，对滤波信息参数进行极大似然分析，以得到极大似然滤波信息数据，具体包括：基于滤波信息参数，通过极大似然滤波向量分析，确定极大似然滤波向量；对极大似然滤波向量进行滤波变量分析，确定滤波变量。
11、在本申请的一种实现方式中，对待更新分析参数进行参数估计分析，以确定第一参数估计数据，具体包括：基于待更新分析参数，通过第一参数估计更新分析，确定更新参数估计数据；将更新参数估计数据进行变量时刻分析，以得到待更新中间参数；其中，待更新中间参数包括：极大似然中间变量、噪声参数；根据待更新中间参数，通过第二参数估计更新分析，确定第一参数估计数据。
12、本申请实施例提供了一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，通过基于滤波的极大似然法和随机梯度法的综合处理，解决了现有技术中针对多输入多输出系统存在着参数估计准确度不足、模型复杂度高以及存在过拟合风险的技术问题，实现了多输入多输出系统的参数准确估计，降低了系统受到噪声影响的干扰，减小了参数估计的过拟合风险并提高了模型的泛化能力。
技术特征：
1.一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，对所述mimo系统输出误差自回归滑动平均模型进行中间变量构建，以确定模型中间变量表达式，具体包括：
3.根据权利要求1所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，根据所述模型中间变量表达式，对所述mimo系统输出误差自回归滑动平均模型进行单输出构建，以得到多输入单输出子系统模型组，具体包括：
4.根据权利要求1所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，基于所述多输入单输出子系统模型组，通过mimo系统辨识模型构建，得到滤波辨识模型，具体包括：
5.根据权利要求1所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，根据所述辨识模型准则函数，通过辨识模型初始配置，得到辨识模型初始配置参数，具体包括：
6.根据权利要求1所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，基于所述辨识模型初始配置参数和预设的系统输入输出数据，确定信息向量组，具体包括：
7.根据权利要求1所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，根据所述信息向量组，通过参数估计判断，确定参数估计数据，具体包括：
8.根据权利要求7所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，基于所述信息向量组，通过滤波参数分析，确定滤波信息参数，具体包括：
9.根据权利要求7所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，对所述滤波信息参数进行极大似然分析，以得到极大似然滤波信息数据，具体包括：
10.根据权利要求7所述的一种针对mimo系统的两阶段滤波极大似然随机梯度辨识方法，其特征在于，对所述待更新分析参数进行参数估计分析，以确定第一参数估计数据，具体包括：
技术总结
本申请公开了一种针对MIMO系统的两阶段滤波极大似然随机梯度辨识方法，方法包括：对MIMO系统输出误差自回归滑动平均模型进行中间变量构建，以确定模型中间变量表达式；根据模型中间变量表达式，对MIMO系统输出误差自回归滑动平均模型进行单输出构建，以得到多输入单输出子系统模型组；通过MIMO系统辨识模型构建，得到滤波辨识模型；对滤波辨识模型进行准则函数构建，确定辨识模型准则函数；通过辨识模型初始配置，得到辨识模型初始配置参数；确定信息向量组，并根据信息向量组，通过参数估计比较判断，确定参数估计数据。本申请通过上述方法解决了针对多输入多输出系统存在着参数估计准确度不足、模型复杂度高以及存在过拟合风险的技术问题。
技术研发人员：王辉辉,刘喜梅
受保护的技术使用者：青岛科技大学
技术研发日：
技术公布日：2024/12/5