好。这将表明在线挖制时其自校正辨识算法不一定追求十分复杂，而最小二乘算法得重视。 1a1 I RLS 0.4 22-RLS 3 RIV and expanded matrix 0.2 0246 1012141618202224 k -0.2 -0.4 Ture value -0.6 a:=0.64541 图3口1会做的递焰估计 Fig.3 Recursive estimation of parameter 3.4模型参数突变时参数估计的收敛性 在递指摔识过程：小，从第7步开始将(1)式模型改变为如下模型： y(k)=0.34541y(k-1)-0.78879y(k-2)-0.04669u(k-d)-0.48074u(k-1-d)(2) 这时，递推捕助变量法不能跟踪参数的变化；渐消记忆递推最小二乘沙：具有较强的参数跟， 能力，即使模型参数有较大变动时，也能很快地逼近新的参数真值：递推最小二乘法和增~ 矩阵法比较缓慢地逼近新参数真值。仿真结果表旷渐消记忆递推最小二乘法是一种较好的东 线辨识算法。它具有较强的跟踪参数时变的能力、又具有计算景小和抗干忧等特点。此方法 应用于自校旺调节器是较适宜的。 作仿真过程中遗因子的选取范围在0.9~0.98之问。具体选什么数值尚无理论性证 明，只能是通过实际工作，尤其是在现场系统调试中模索试探，直到控制效果跟踪特性都得 到满意时为止。 4实际应用效果 把最小方差自校正调节器【43应用于上钢十厂350m三机架冷连轧机组2~3机架张 力厚控系统，所使用的计算机是Cromenco I微处理机，自校正调节器算法是用FOKTRA入 语言编写的。现场控制时的周期约为350ms上下变动。来料尺寸为2.5m×198mm,钗种为 BY2F,成品尺寸为0.9mm×198mm。 为了进行实时在线控制，可将被控对象的数学模型写成预报模型【们 y(k+d)=-a(2-1)·y(k)+B(z-1)u(k)+ε(kd) (3) 可推算出最小方差控制律为： u()=g)·y() B(Z-1) () 式中：a(Z1)=a2-1+1；B(Z-1)=∑B:Z-; 1=1 pn5qn+d-1;n为系统模型的阶。 人 55好 。 这将 表 明在线 控制时 其 自校正 辨识 算法 不一 定追求 十分复杂 ， 而最小二 乘算法 值得重视 。 又一 又 ，︸ 一 ，冬 叮‘ 八︸ ‘ 一 。 一 二 ‘ 几 图 ‘ 冬 数 的 递 投 估计 ， ， 负 ‘ 模 型参数 突变 时参数 估 计 的收敛性 在递 推辫识 过程 中 ， 从第 步开始 将 式 模 型改 变 为如下 模 型 少 · 夕 一 一 夕 一 一 “ 儿一 一 止 一 一 这时 递 推辅 助变量法 不 能跟 踪参数 的 变化 渐 消记忆递 推最 小 二 乘祛 具 有较 强 的参数 跟吩 能 力 ， 即使模型参数有较大 变动时 ， 也 能很 快地 逼 近新的参数 真值 递 推 最 小 二乘 法 和增 ‘ 矩阵法 比较 缓 慢地 逼 近新参数真值 。 仿真结果 表 贬渐消 记忆递推最 小二 乘法 是 一种较 好的左 线 辨识 算法 。 它 具有较 强 的跟 踪参数 时 变的能 力 ， 又具 有计算 景 小 和 抗干 扰 等特 点 。 此方法 应 用于 自校 正调节 器 是较 适宜 的 。 在 仿真 过程 中遗 忘 因 子 的选取范 围 在 一 之 间 。 具体 选 什 么数 喊尚无理 论性 证 明 ， 只 能是通 过 实际工 作 ， 尤 其是 在现 场 系统调 试 中模索 试探 ， 直 到 控制 效 果 跟 踪 特性都得 到满 意时 为止 。 实 际应用 效果 把 最小 方差 自校正 调节器 〔 ‘ 应用 于上 钢十厂 三机 架 冷 连 轧机 组 ‘六 一 ‘二 机 架 户张 力厚 控 系统 ， 所 使 用 的计 算机 是 微处 理机 ， 自校正调 节 器算法 是 用 入 语言 编写 的 。 现场控制时 的周期约 为 上下 变动 。 来料 尺 寸 为 二 ， 钢种 为 ， 成 品 尺 寸 为 。 为 了进行 实时在线 控制 ， 可 将 被控对 象 的数 学 模型写成 预报模 型 〕 夕 寿 一 一 二 一 ‘ · 少 十 月 一 ’ · 。 。 龙 可 推 算 出最小 方差 控制 律 为 “ 龙 一 刀 一 ‘ 一 乙 一 ‘ 月 一 ‘ 二 刀 · 夕 几 一 式 中 从 梦 。 李 一 为 系统模型 的阶 。 尽