基于随机近似算法的非线性ARX系统的递归辨识

非参数的识别用于与由 + 非线性自回归系统考虑+1。 首先,引入 然后提出了基于核函数的具有扩展截断的随机逼近算法(SAAWET)来递归地估计值。 在任意给定的φ*Δ/ = [ (1) ,..., ( 0 ), (1) ,..., ( 0 )] τ时 ∈ R 2 0 。 结果表明,该估计以概率一收敛到真实值。 在建立估计的强一致性时,与NARX系统相关的马尔可夫链的属性起着重要作用。 数值算例表明,仿真结果与理论分析吻合。 本文的目的不仅是为所考虑的问题提供具体的解决方案,而且还为非线性系统提供一种新的分析方法。 提出的将马尔可夫链属性与随机逼近算法结合起来的方法可能具有未来的潜力,尽管必须对 趋于无穷大。