买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉青岛科技大学申请的专利基于广义时变系统辨识模型的极大似然梯度迭代参数估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115186481B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210811534.7，技术领域涉及：G06F30/20；该发明授权基于广义时变系统辨识模型的极大似然梯度迭代参数估计方法是由籍艳;江安宁设计研发完成，并于2022-07-11向国家知识产权局提交的专利申请。

本基于广义时变系统辨识模型的极大似然梯度迭代参数估计方法在说明书摘要公布了：本发明公开了一种基于广义时变系统辨识模型的极大似然梯度迭代参数估计算法。由于扰动等因素的影响，电动机调速系统的模型参数难以精确估计。直流电动机控制系统具有随机性，受扰动影响等特点,而且,电动机工作内部参数测量极为困难。并且在实际工作中，由于测量噪声等因素，系统受到有色噪声的污染其显著影响着算法的辨识精度。为了提高电动机参数估计精度，本发明在梯度搜索算法的基础上，基于极大似然原理将系统参数的辨识问题转换求为概率密度函数最值问题，并利用极大似然原理直接处理系统噪声来提高算法的辨识精度。本发明包括构建出受有色噪声影响的广义时变系统的辨识模型，构建出极大似然梯度迭代参数估计算法流程，构建出极大似然梯度迭代参数估计算法等步骤。本发明方法简单可靠、辨识精度高，可以应用于直流电动机控制系统的参数估计。

本发明授权基于广义时变系统辨识模型的极大似然梯度迭代参数估计方法在权利要求书中公布了：1.一种基于广义时变系统辨识模型的极大似然梯度迭代参数估计方法,包括下列步骤： 1构建基于广义时变系统的辨识模型，具体步骤如下: 第一步：广义时变系统模型表达式如下： 上述公式中各符号的含义：ut和yt分别是系统的输入和输出，aits和bits是系统的时变参数，wt为有色噪声，vt是一个零均值为零、方差为σ2且满足高斯分布的白噪声； 第二步：根据广义时变系统时变参数的特点，其时变参数表示为其中aij和bij是参数的系数，ξit是系统的扰动； 第三步：构建广义时变系统模型的子输出变量y1t、wt的关系式如下: wts＝yts‑αTtsΞψts第四步：得到广义时变系统的两个子辨识模型为： y1t＝αTtsΞψts+vts,第五步：获得两个极大似然准则函数: 其中噪声vts可表示为2构建数据滤波加速梯度搜索参数估计算法流程： 第一步：启动辨识算法； 第二步，令k＝0,设置相关中间变量的初始值； 第三步：采集他励直流电动机的电枢电压，输出角速度和励磁电流数据作为模型的输入输出数据和可测扰动数据,并进行数据预处理； 第四步：构建信息向量αts和可测干扰向量ψt； 第五步：计算第六步：构造和第七步：计算步长和第八步：更新系数矩阵和参数向量第九步：计算第十步：若并重复第五步到第九步；否则，得到参数估计和第十一步：结束流程； 其中各变量的定义如下： 定义输入量ut，输出量yt,扰动量ρit； 定义wt为有色噪声中间变量，vt是一个均值为零、方差为σ2且满足高斯分布的白噪声；定义Ξ为系数矩阵，为参数向量； 定义为滤波后的系统输出，为滤波后的系统输出； 定义为系数矩阵Ξ第k次迭代的估计值；为系数向量第k次迭代的估计值； 3根据极大似然梯度迭代参数估计算法，构建出极大似然梯度迭代参数估计算法。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。