基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
多新息随机梯度辨识方法是系统辨识和参数估计的一种基本方法.该方法由于采用了间断迭代,因此可以克服坏数据对参数估计的影响,且具有较强的鲁棒性,又可以跟踪时变参数.作者从理论上给出了多新息随机梯度辨识方法的推导过程,同时列出多新息随机梯度辨识方法的各种变形.数字仿真实验表明多新息随机梯度辨识方法具有良好的性能.
推荐文章
多变量系统辅助模型多新息随机梯度辨识方法
随机梯度
多新息辨识
多变量系统
输出误差模型
辅助模型
多元系统耦合多新息随机梯度类辨识方法
参数估计
递推辨识
梯度搜索
最小二乘
辅助模型辨识思想
多新息辨识理论
递阶辨识原理
耦合辨识概念
多元系统
多元伪线性回归系统部分耦合多新息随机梯度类辨识方法
参数估计
递推辨识
梯度搜索
最小二乘
辅助模型辨识思想
多新息辨识理论
递阶辨识原理
耦合辨识概念
多元系统
基于多新息随机梯度永磁同步电机参数辨识
永磁同步电机
多新息
随机梯度
收敛性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多新息随机梯度辨识方法
来源期刊 控制理论与应用 学科 工学
关键词 辨识 参数估计 多新息辨识 最小均方算法
年,卷(期) 2003,(6) 所属期刊栏目 论文与报告
研究方向 页码范围 870-874
页数 5页 分类号 TP273
字数 5336字 语种 中文
DOI 10.3969/j.issn.1000-8152.2003.06.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 萧德云 清华大学自动化系 107 2922 26.0 52.0
2 丁锋 清华大学自动化系 20 401 11.0 20.0
3 丁韬 清华大学自动化系 16 291 10.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (45)
参考文献  (8)
节点文献
引证文献  (69)
同被引文献  (89)
二级引证文献  (709)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(2)
  • 参考文献(1)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(4)
  • 参考文献(1)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(6)
  • 参考文献(2)
  • 二级参考文献(4)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(4)
  • 引证文献(2)
  • 二级引证文献(2)
2007(10)
  • 引证文献(5)
  • 二级引证文献(5)
2008(35)
  • 引证文献(10)
  • 二级引证文献(25)
2009(34)
  • 引证文献(7)
  • 二级引证文献(27)
2010(21)
  • 引证文献(3)
  • 二级引证文献(18)
2011(63)
  • 引证文献(8)
  • 二级引证文献(55)
2012(54)
  • 引证文献(4)
  • 二级引证文献(50)
2013(39)
  • 引证文献(1)
  • 二级引证文献(38)
2014(111)
  • 引证文献(7)
  • 二级引证文献(104)
2015(103)
  • 引证文献(6)
  • 二级引证文献(97)
2016(105)
  • 引证文献(7)
  • 二级引证文献(98)
2017(76)
  • 引证文献(4)
  • 二级引证文献(72)
2018(69)
  • 引证文献(2)
  • 二级引证文献(67)
2019(45)
  • 引证文献(2)
  • 二级引证文献(43)
2020(8)
  • 引证文献(0)
  • 二级引证文献(8)
研究主题发展历程
节点文献
辨识
参数估计
多新息辨识
最小均方算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制理论与应用
月刊
1000-8152
44-1240/TP
大16开
广州市五山华南理工大学内
46-11
1984
chi
出版文献量(篇)
4979
总下载数(次)
16
总被引数(次)
72515
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导