一种数值高效的仅输出系统辨识框架用于随机受迫自持振荡器

自持振荡在自然界与工程中普遍存在。本文提出一种新颖的仅输出系统辨识框架，用于辨识受高斯白噪声影响的自持振荡器的系统参数。假定一个刻画自持振荡器的朗之万模型，并由随机平均导出相应的福克—普朗克方程。由福克—普朗克方程的漂移项与扩散项辨识系统的未知参数。我们开发了一种数值高效的算法以提升参数辨识的精度。特别地，引入了专为仅输出系统辨识定制的改进列文伯格—马夸尔特优化算法。所提框架在具有不同系统参数并发展为自持振荡的数值与实验振荡器上均得到验证。结果表明，采用所提框架可将执行系统辨识所需的计算代价显著降低。并且，现有方法难以提取的系统参数可利用本研究开发的系统辨识方法高效算出。鉴于该框架的鲁棒性与计算效率，本研究可有助于随机受迫下动力系统的准确快速诊断。