系统辨识 MATLAB实现的递推最小二乘算法 验证了带遗忘因子的算法的准确度

本人系统辨识课程的全部代码 以及报告 报告里有所有算法原理。内容如下： 第一章 最小二乘法 1 1.1 问题重述 1 1.2 最小二乘法 1 1.2.1 基本最小二乘法 1 1.2.2 不需矩阵求逆的最小二乘法 2 1.2.3 递推最小二乘法 4 1.3 辅助变量法 6 1.3.1 一次辅助变量法 6 1.3.2 递推辅助变量法 7 1.4 广义最小二乘法 9 1.4.1 一次广义最小二乘法 9 1.4.2 递推广义最小二乘法 10 1.5 夏式法 12 1.5.1 夏式偏差修正法 12 1.5.2 夏式改良法 13 1.5.3 递推夏式法 13 1.6 增广矩阵法 16 1.7 自编方法-多阶段最小二乘法 18 1.8 噪声特性分析 19 1.8.1 时域波形 20 1.8.2 均值分析 20 1.8.3 方差分析 21 1.8.4 自相关函数分析 21 1.8.5 功率谱密度分析 22 1.8.6 总结 22 第二章 极大似然法 23 第三章 方法比较 25 3.1 问题重述 25 3.2 各方法精度对比 25 3.3 各方法计算量对比 25 3.4 噪声方差的影响 26 3.5 白噪声和有色噪声对辨识的影响 27 第四章 系统模型阶次的辨识 28 4.1 问题重述 28 4.2 按残差方差定阶 28 4.2.1 按估计误差方差最小定阶 28 4.2.2 F检验法 29 4.3 按AKAIKE信息准则定阶 29 4.4 按残差白色定阶 30 4.5 噪声对定阶的影响 31 4.6 三种方法的优劣及有效性 31 附录 32

M统辨识及其MATLAB仿真].侯媛彬.扫描版.PDF

系统辨识，matlab辨识工具箱的开发者的专著，值得学习，这是中文翻译的

p.s.本代码已重新修改啦~目前还在CSDN审核中，您可通过GitHub下载重构代码~ https://github.com/Cyyjenkins/powergrid-state-estimation 电力系统状态估计（电力网系统辨识）-最小二乘法-matlab txt文件为IEEE30节点电力网数据 导入其它电力网数据时，可按txt文档内格式保存数据，也可修改m文件代码 辨识后的数据将会存储在oStateEstimation.txt文件内

系统辨识理论及Matlab仿真刘金琨,沈晓蓉,赵龙， 书配套的电子教案及程序源代码

萧德云的系统辨识理论及应用，本文讲的很全，不过感觉本文偏重辨识算法，输入信号的设计、最优实验设计没讲，不得不说有点缺陷，其次，感觉文笔一般，没有太让人想看的欲望，丁锋出了更全的系统辨识，不过暂时没搞到全的，好像也只出了第一、三册。 由于文件大，分1,2两部分，这是第2部分。

系统辨识与仿真，神经网络仿真例子及程序，研究生系统辨识课程期末作业及答案

控制器设计往往需要精确的电机参数值来辅助设计，如无速度传感器控制、矢量 控制最优PI值设计、电压源逆变器非线性因素在线辨识/补偿等。但是随着温度、 负载和磁饱和程度的变化，永磁同步电机的定子电感、绕组电阻和转子永磁磁链 幅值等参数值大小都会随之而变化(偏离常温下设计值)。其中，温度对永磁电机 参数的影响(尤其是定子绕组电阻和转子永磁磁链幅值)是最明显也是最常见的。 对于定子绕组来说，温度的上升会导致绕组电阻值变大，而对于转子永磁来说， 温度的上升会导致转子永磁磁链幅值下降。当电机实际参数值相对于常温下的设 计参数值发生比较大变化时，会对所设计的控制系统性能造成很大影响，甚至会 让其无法工作。因此，现在主流的研究趋势是通过系统辨识理论，利用量测的电 机终端信号如定子绕组电流、电压和转速来估算定子绕组电阻和转子永磁磁链幅 值的大小，进而在线调整控制器参数和间接估算定子绕组和转子永磁的温度。本 文对该类技术进行了深入和全面的研究，提出该技术的核心是要解决“两个问题”, 并在这“两个问题”的基础上提出“三个解决方案”，最终在一套基于矢量控制的 表面式永磁同步电机试验平台上进行了验证。

test2: 一、 基本最小二乘法一次算法 二、 基本最小二乘法递推算法 三、 最小二乘遗忘因子一次完成算法 四、 最小二乘遗忘因子递推算法 五、 最小二乘限定记忆算法 六、 最小二乘偏差补偿算法 七、 增广最小二乘算法 八、 广义最小二乘算法 test3: 一、 辅助变量自适应滤波算法 二、 辅助变量纯滞后算法 三、 辅助变量Tally原理算法 四、 多级最小二乘算法 五、 各类改进最小二乘算法的特点 test4: 1、 第二类随机性辨识问题的梯度校正 2、 随机牛顿法 test5: 1、 递推的极大似然估计 2、 预报误差参数辨识 test6: 1、 根据Hankel矩阵秩估计模型阶次(弱噪声) 2、 根据Hankel矩阵秩估计模型阶次(强噪声) 3、 利用行列式比估计模型阶次（白噪声） 4、 利用行列式比估计模型阶次（有色噪声） 5、 利用残差的方差估计模型阶次（白噪声） 6、 利用残差的方差估计模型阶次（有色噪声） 7、 AIV定阶法（白噪声） 8、 AIV定阶法（有色噪声） test7: 1、 一阶惯性+纯滞后环节-----两点法 2、 面积法1 3、 levy法