非线性系统未知时变参数的模型算法学习辨识

？针对一类非线性系统的未知时变参数，提出了一种模型算法学习辨识方法。该方法主要是利用系统模型估计出了辨识参数的偏差，利用这一参数偏差的估计来修正辨识参数，不断进行迭代。并严格证明了系统经过迭代学习后，辨识器的输出能够完全跟踪参数真值，同时得到了该算法收敛的范数形式充分条件。该方法不仅可以实现非线性系统未知时变参数在有限时间区间上的完全辨识，而且还克服了传统迭代学习辨识器中凭借经验选取学习增益的盲目性，加快了参数辨识器的收敛速度。仿真结果验证了该方法的有效性。