选择一个适应方法- MATLAB和Simulink MathWorks瑞士金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

选择一个适应方法

使用您指定的算法适应方法功能块参数对话框下拉列表的一种自适应的查找表。本节讨论这些算法的细节。

样本均值

样本均值提供的平均价值n输出数据样本和被定义为:

$\hat{y} (n) = \frac{1}{n} \sum_{我 = 1}^{n} y (我)$

在哪里y(我)是我^th在一个特定的测量收集细胞。为每个输入数据u样本均值,使用输出数据测量相应的细胞更新,y。而不是积累n每个细胞的样本数据,使用递归关系来计算样本均值。递归表达式是通过以下方程:

$\begin{array}{l} \hat{y} (n) = \frac{1}{n} (\sum_{我 = 1}^{n - 1} y (我) + y (n)] = \frac{n - 1}{n} (\frac{1}{n - 1} \sum_{我 = 1}^{n - 1} y (我)] + \frac{1}{n} y (n) = \frac{n - 1}{n} \hat{y} (n - 1) + \frac{1}{n} y (n) \end{array}$

在哪里y(n)是n^th数据样本。

定义先验估计误差作为 $e (n) = y (n) - \hat{y} (n - 1)$ 递归关系可以写成:

$\hat{y} (n) = \hat{y} (n - 1) + \frac{1}{n} e (n)$

在哪里 $n \geq 1$ 和最初的估计 $\hat{y} (0)$ 是任意的。

在这个表达式中,只有样品的数量,n,对于每一个细胞,而不是n数据样本存储在内存中。

样本均值与遗忘

适应的方法样本均值有一个无限的记忆。过去的数据样本相同的重量最终样本在计算样本均值。样本均值(忘记)使用一个算法遗忘因子或适应增益这使得更多的重量在最近的样本。这个算法提供了健壮性与植物的初始响应瞬态和适应的调速。样本均值(忘记)被定义为:

$\begin{matrix} \hat{y} (n) = \frac{1}{\sum_{我 = 1}^{n} λ^{n - 我}} \sum_{我 = 1}^{n} λ^{n - 我} y (我) \\ = \frac{1}{\sum_{我 = 1}^{n} λ^{n - 我}} (\sum_{我 = 1}^{n - 1} λ^{n - 我} y (我) + y (n)] = \frac{年代 (n - 1)}{年代 (n)} \hat{y} (n - 1) + \frac{1}{年代 (n)} y (n) \end{matrix}$

在哪里 $λ \in (0, 1]$ 是适应增益和 $年代 (k) = \sum_{我 = 1}^{k} λ^{n - 我}$ 。

定义先验估计误差作为 $e (n) = y (n) - \hat{y} (n - 1)$ ,在那里 $n \geq 1$ 和最初的估计 $\hat{y} (0)$ 是任意的,递归关系可以写成:

$\hat{y} (n) = \hat{y} (n - 1) + \frac{1}{年代 (n)} e (n) = \hat{y} (n - 1) + \frac{1 - λ}{1 - λ^{n}} e (n)$

一个小值λ导致更快的适应。的值0表明短期记忆(最后一个数据表值)和一个值1表明长期记忆(平均细胞中的所有数据)。