全文下载： 
20250120.pdf
文章编号： 1672-6987（2025）01-0001-16 DOI： 10.16351/j.1672-6987.2025.01.001
丁锋1，2， 徐玲3， 张霄1（1.江南大学 物联网工程学院，江苏 无锡 214122；2.青岛科技大学 自动化与电子工程学院，山东 青岛 266061；3.常州大学 微电子与控制工程学院，江苏 常州 213159）
摘要： 大规模系统结构复杂、时空规模大，变量维数高、信息数据量大、非线性、动态演化性以及各种随机干扰等因素引发的辨识难题，需要基于算法创新和模型创新的研究理念，研究和提出大规模系统的高效辨识方法。主要研究工作包括：1）深入剖析大规模辨识问题复杂性特征，挖掘大规模系统内因和外因引起的关键辨识难点，分析信息数据特征以及随机干扰类型，研究构建模型的优化算法求解的科学计算问题；2）针对白噪声干扰、参数变量维数高，以及大规模计算成本高而效率低的问题，利用递阶计算，研究并行计算平台架构下的大规模系统快速、低成本的高效递阶辨识方法；3）针对有色噪声干扰下大规模系统的非线性、时变性等综合因素影响，利用辅助模型辨识思想、滤波辨识理念，以及自适应补偿手段，研究具有预测和补偿干扰能力的大规模系统高效递阶辨识方法；4）对大规模系统复杂性特征及干扰等因素进行科学抽象，研究大规模系统辨识方法收敛条件，建立收敛理论。
关键词： 参数估计； 系统辨识； 辅助模型辨识； 多新息辨识； 递阶辨识； 耦合辨识； 滤波辨 识； 大规模系统
中图分类号： TP 273 文献标志码： A
引用格式： 丁锋， 徐玲， 张霄.大规模系统高效辨识方法研究［J］.青岛科技大学学报（自然科学版）， 2025， 46（1）： -.
DING Feng， XU Ling， ZHANG Xiao.Research on highly-efficient identification methods for large-scale systems［J］.Journal of Qingdao University of Science and Technology（Natural Science Edition）， 2025， 46（1）： -.
Research on Highly-Efficient Identification Methods for Large-Scale Systems
DING Feng1，2， XU Ling3， ZHANG Xiao1（1.School of Internet of Things Engineering， Jiangnan University， Wuxi 214122， China；2.College of Automation and Electronic Engineering， Qingdao University of Science and Technology， Qingdao 266061， China；3.School of Microelectronics and Control Engineering， Changzhou University， Changzhou 213159， China）
Abstract： For the identification problems of large-scale systems with complex structures， large spatiotemporal scales， high variable dimensions， numerous information and data， nonlinearities， dynamic evolutions and various random disturbances， it is necessary to investigate and propose highly-efficient identification methods for large-scale systems based on the algorithm innovation and model innovation. The main research work includes： 1） deeply analyzing the complexity characteristics of large-scale identification problems， mining the key identification difficulties caused by internal and external factors of large-scale systems， analyzing the characteristics of information data and random interferences， and studying the scientific computing problems solved by the optimization algorithms； 2） using the hierarchical computation to study the rapid， low-cost and highly-efficient hierarchical identification methods of large-scale systems with higher dimensional parameter variables and with white noise interferences under the architecture of parallel computation platforms； 3） proposing highly-efficient hierarchical identification methods of large-scale systems with colored noises through predicting and compensating the interference and using the auxiliary model identification idea， the filtering identification idea and the adaptive compensation for nonlinear and time-varying factors； 4） making the scientific abstract of complex characteristics and interference factors and studying the convergence conditions of large-scale system identification methods and establishing the convergence theory.
Key words： parameter estimation； system identification； auxiliary model identifi cation； multi-innovation identification； hierarchical identification； coupling identification； filtering identification； large-scale system
收稿日期： 2025-01-09
基金项目： 国家自然科学基金项目 （62273167， 61873111）.
作者简介： 丁锋，男，博士， “泰山学者” 特聘教授，博士生导师.
