科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对一类离散系统,提出了一种基于随机牛顿算法的自适应参数估计新框架,相较于已有的参数估计算法,所提出方法仅要求系统满足有限激励条件,而非传统的持续激励条件.该算法的核心思想在于通过对原始代价函数的修正,在使用当前时刻误差信息的基础上融入了历史误差信息,进而通过对历史信息和历史激励的复用使持续激励条件转化为有限激励条件.其次,为解决传统算法收敛速度慢的问题并避免潜在的病态问题,采用随机牛顿算法推导出参数自适应律,并引入含有历史信息的海森矩阵作为时变学习增益,保证了参数估计误差指数收敛.最后,基于李雅普诺夫稳定性理论给出了不同激励条件下所提算法的收敛性结论及证明,并通过对比仿真验证了它的有效性和优越性.
-
单位昆明理工大学; 机电工程学院
