韩琛晔

(河北工程技术学院 信息技术学院，河北 石家庄 050091)

0 引 言

Wiener系统是一种模块化的非线性系统，由线性子模型和无记忆的非线性模块串联而成。这样的模块化组合可以有效地刻画实际系统的特性，是一种描述许多工业过程的非线性特性系统[1-5]，因此，研究Wiener系统的系统辨识对于实际系统建模和工作过程的理解具有一定的现实意义。但是，由于Wiener 系统是不同元件串联而成的，因此，在建立辨识模型时，会出现非线性参数和线性参数相互耦合的现象，就是所谓的过参数问题(冗余参数估计问题)和估计参数不唯一问题[6]，这增加了辨识算法的计算量，特别是对复杂系统和大规模系统是不可接受的。另外，Wiener系统的内部信号不可直接测量，也增加了辨识的难度。

递归最小二乘及其改进形式是目前辨识领域应用最广泛的一种辨识算法，具有计算量小、适用性强和方便在线估计等优点[7-9]。但是，它也存在一些缺点和需要改进的领域，例如，递归最小二乘(recursive least square,RLS)对于有色噪声和强噪声辨识性能表现不够理想；对系统的过去和当前时刻信息利用率低导致精度不高；对于时变系统无能为力。因此，为了改善或解决这些问题，大量的改进算法不断被研究人员设计出来并成功应用于系统辨识领域。WANG Jianhong等[10]首先计算Hammerstein系统中的分段仿射非线性函数的逆函数，之后建立参数化的线性回归辨识模型，并在有界噪声下利用RLS估计模型中的各个参数；石建飞等[11]根据电机的工作原理建立电机的近似线性动力学模型，为改进RLS精度不高问题，利用折息因子修改RLS的修正增益大小，并应用于电机模型的参数估计；……