基于最小二乘的FGR低氮燃烧自适应算法.pdf

文档介绍：第39卷 第6期 数字技术与应用
第2021 39年 卷6月 P ( t ) x ( t )[ y ( t ) - xT ( t )θˆ ( t - 1)] (4)
线的方式分析这批数据, 建立系统的模型。但是, 燃气锅 θ(t )＝θ ( t - 1) 2
P-1(t )＝λ ( t - 1) P - 1 ( t - 1) + λ ( t ) x ( t ) xT ( t ) (5)
炉FGR 低氮控制系统实际上是时变的,此时比较理想的 1 2
做法是利用在线辨识来更新系统参数。自适应估计就是 2 算法性质
在期望信号不完全或完全未知情况下, 只根据观测信号 记t 时刻的参数估计误差和输出误差分别为:
值来解决估计问题的一些方法。 (6)
最小二乘(LS)算法不需要任何先验知识,只需要关于 e( t )＝ y ( t ) -xT ( t )θˆ ( t - 1) (7)
被估计量的观测信号模型,即可实现信号参量的估计,且 对于时变系统线性回归模型
算法简单, 易于实现, 在工业控制领域被广泛使用。但是 y( t )＝ xT ( t )θ (8)
FGR 控制系统的动态特性随时间会发生变化,常规最小 算法(1)～(3)有下列性质
二乘算法的“数据饱和”现象会使算法慢慢失去修正能 性质1: , t ≥ 1
力, 以致难以有效跟踪时变参数。 λ P -1(0)
-1 max -1