1）首先需要建立控制对象的数学模型，作为图中的参考模型； 2）建立可调系统数学模型，该可调数学模型的形式与参考模型一致，令待辨识的参数为可调变量； 3）参考模型和可调模型的输入相同； 4）需要通过理论推导或者满足稳定性定理的自适应调节律，通过调节律获得待辨识的参数； 5）自适应调节律求得的辨识参数代入到可调模型之中，调整模型参数。 最终可以在线获得逐渐收敛的待辨识参数。 可以辨识永磁同步电机的定子电阻、转子磁链、DQ电感。

递推阻尼最小二乘参数辨识算法.txt

一类非线性离散时间动力系统的交替辨识算法

研究了利用频率响应数据辨识分数阶传递函数的问题。根据分数阶传递函数模型中，公因子阶次和分母系数是非线性参数，而分子系数则是线性参数，给出了一种频域辨识算法：利用模拟退火算法估计公因子阶次和分母系数，相应的分子系数通过求解线性最小二乘问题得到。该算法可以估计出包括公因子阶次在内的所有模型参数。无噪声和有噪声频率响应数据2种情况下的仿真算例验证了算法的有效性。

动力电池内阻最小二乘辨识算法研究，戴海峰，张晓龙，动力电池的性能状态对电动汽车整车性能及安全有至关重要的作用，而电池的内阻是电池性能状态的重要表征参数。本文研究了一种基于

许多领域中经常需要辨识非因果系统。比如地震勘探、通讯和水声信号处理等。单靠相关函数解决这类非因果系统的盲辨识问题是远远不够的，因为它不包含系统的相位信息［1］。　　　　近年来，基于高阶统计量的系统辨识方法受到了高度的重视。与传统的辨识方法相比较，高阶统计量的优点在于：     1.可保留系统的相位信息，从而有效地辨识非相位、非因果系统。     2.可以抑制加性有色噪声的影响，提高算法的鲁棒性。     在各种高阶统计量中，计算相对简单的四阶统计量，因为可以处理对称分布信号而受到特别重视，成为许多算法的基础。　　　　在文献［3］的基础上，本文提出了峰度准则，并将其应用到非因果系统的辨识中。通过

本文介绍了系统辨识基本理论，从最小二乘到回归分析的基本说明，同样对最小二乘等进行了拓展研究的算法也进行了总结。本文比较偏向于算法研究，不包含程序。

非常好的最小二乘和辅助变量系统辨识算法，用于系统建模、参数估计、滤波、回归分析等。有详细的文档介绍！！！

个人博客：电气期刊论文实现：基于优化算法的非侵入式居民负荷辨识算法 的数据集。数据集详情见博客。

基于鲁棒优化的系统辨识算法研究，钱富才，黄姣茹，对不确定数据属于一个有界集，而不是服从特定概率分布的系统辨识问题，本文提出了一种以鲁棒优化为基础的新方法。该方法将系统辨