作为动态回归量扩展与混合过程一部分的回归量激励归一化

提出了一种用于估计回路中解决对象辨识问题的回归量激励归一化方法。其基于动态回归量扩展与混合过程。它的应用使得对于具有不同激励水平的标量回归量，使用恒定的自适应率即可获得相同的参数辨识误差上界。这一事实从实际角度看是显著优势。将所发展方法与已知的回归量幅值归一化方法进行了比较。表明经典方法不具备上述性质。为验证所得理论结论，给出了三个回路的对比数学建模结果：1）经典梯度回路，2）带回归量幅值归一化的回路，3）所提出的带回归量激励归一化的回路。