论文部分内容阅读
横向控制过程测量数据的稀疏性以及模型的高维性、强耦合和不确定性使得系统模型难以辨识.为快速、准确地辨识系统模型,文中提出了一种改进的递推LevenbergMarquart（RLM）算法.首先阐述了横向控制过程的二维参数化模型和辨识该模型的阶跃辨识方法,然后通过修正RLM算法的目标函数来改进RLM算法,并应用改进RLM算法实时递推辨识系统参数化模型的对位、稳态空间响应和动态响应.仿真实验与实际应用结果显示,该辨识方法不仅可以一致地辨识系统参数化模型的空间响应与动态响应,而且具有比传统RLM算法更快的收敛速度