递推辨识算法研究及其在MPC上的应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 引言 | 第10-11页 |
| 1.2 系统辨识 | 第11-14页 |
| 1.2.1 辨识实验设计 | 第12-13页 |
| 1.2.2 数据预处理及辨识算法选择 | 第13页 |
| 1.2.3 阶次选择 | 第13-14页 |
| 1.2.4 模型检验 | 第14页 |
| 1.3 预测控制 | 第14-17页 |
| 1.3.1 预测模型 | 第14-15页 |
| 1.3.2 滚动优化 | 第15-16页 |
| 1.3.3 反馈矫正 | 第16-17页 |
| 1.3.4 MPC特点及应用 | 第17页 |
| 1.4 本文的内容与结构 | 第17-20页 |
| 第二章 基于多次迭代的递推辨识算法 | 第20-34页 |
| 2.1 引言 | 第20-22页 |
| 2.2 递推高斯-牛顿辨识算法 | 第22-28页 |
| 2.3 多迭代算法 | 第28-31页 |
| 2.4 多迭代算法收敛与精度分析 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 扰动模型的递推辨识及多步预测 | 第34-53页 |
| 3.1 引言 | 第34页 |
| 3.2 递推AR与ARMA辨识算法 | 第34-42页 |
| 3.2.1 AR递推算法 | 第35-37页 |
| 3.2.2 ARMA递推算法 | 第37-40页 |
| 3.2.3 多迭代ARMA递推算法 | 第40-42页 |
| 3.3 递推模型的K步预测 | 第42-45页 |
| 3.4 仿真研究 | 第45-52页 |
| 3.4.1 多迭代ARMA算法仿真 | 第45-47页 |
| 3.4.2 两种模型k步预测效果仿真分析 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于扰动模型的DMCA算法及改进 | 第53-80页 |
| 4.1 引言 | 第53-54页 |
| 4.2 DMCA算法 | 第54-65页 |
| 4.2.1 动态矩阵控制(DMC)及其无偏策略 | 第54-58页 |
| 4.2.2 自适应动态矩阵算法(DMCA) | 第58-63页 |
| 4.2.3 仿真研究 | 第63-65页 |
| 4.3 两种噪声模型(AR&ARMA)的DMCA | 第65-69页 |
| 4.4 小幅白噪声改进DMCA算法 | 第69-73页 |
| 4.5 参数设计方法 | 第73-79页 |
| 4.5.1 控制器参数 | 第73-74页 |
| 4.5.2 扰动模型参数 | 第74-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 参考文献 | 第82-85页 |
