在線上辨識on-line identification在系統動態回響所允許的時間範圍內，利用採樣數據來建立並不斷修正系統模型的一種辨識方法。又稱線上辨識。在線上辨識要求在採樣的過程中同時完成辨識的各個步驟，因而有兩個明顯的特點：①辨識所用的數據隨時間而不斷增加，即每次採樣得到新數據都用於辨識。②辨識的全部運算必須在兩次採樣之間完成，這對算法的速度有特殊的要求。在線上辨識主要用於各種適應性系統。這類系統的動態特性是未知的或具有慢的時變性，所以套用在線上辨識算法就可以隨著採樣數據的不斷增加而得到更精確的動態或者跟蹤系統動態的變化，從而使系統具有更好的品質。在線上辨識算法必須簡便和計算量小，而且由於數據的不斷增加，算法所需保留的數據要儘量減少，以降低對計算機存儲的要求。從這些要求出發，已經提出了適合於在線上辨識使用的各種遞推估計算法。這類算法的每一步都利用上一步的參數估計值，根據每次的輸入、輸出數據的採樣值以及保留的少量歷史數據，通過較簡單的計算（一般避免求逆矩陣或疊代等複雜的運算）即可得到新的參數估計值。在線上算法的發展還將促進計算機在系統分析和控制中的套用。
基本介紹
- 中文名：在線上辨識
- 外文名：on-line identification
- 定義：不斷修正系統模型的一種辨識方法
- 別稱：線上辨識
套用,方法,
套用
在線上辨識主要用於各種適應性系統（如適應控制系統、適應預報器等）。
方法
對於在線上辨識，如何使用歷史數據是一個十分重要的問題。如果被辨識過程是未知定常系統，則數據增多能提高估計的精度。但是對於慢時變系統，則不宜隨意使用歷史數據，因為數據增多反而可能影響參數估計值的真實可靠性。為了解決這一問題，提出了使用數據的各種記憶方式（或稱數據視窗）。最常用的有漸消記憶（帶遺忘因子或指數窗）和固定記憶（固定窗）。在漸消記憶中老的數據按指數速度消失；在固定記憶中每次只用最新的N個數據。依問題的不同，還可有各種不同的視窗。對於過程特性有快變化或突然跳躍的情況，通常的遞推估計算法便不適用，需要採用特殊的方法。
在線上算法的發展還將促進計算機在系統分析和控制中的套用。
