递推最小二乘参数辨识

资 源 简 介

递推最小二乘参数辨识

详 情 说 明

递推最小二乘法是一种动态更新系统参数估计的算法，特别适合在线辨识时变系统的模型参数。相比传统最小二乘法需要保存所有历史数据，递推形式只需新增当前时刻的输入输出数据即可修正参数估计，计算量和存储需求显著降低。

在ARMA模型应用中，算法通过实时处理系统输入输出序列，逐步修正模型系数。其核心思想是：新参数估计=旧参数估计+修正项。修正项由新数据与预测误差共同决定，通过递推地更新协方差矩阵实现权重调整。

锂电池等效电路模型参数辨识是该方法的典型应用场景。由于电池内阻、极化参数会随充放电循环发生变化，递推最小二乘能跟踪这些缓慢时变参数。实际操作中需注意噪声抑制和初始值选择问题，通常会结合遗忘因子策略，使算法对近期数据赋予更高权重，从而提高时变参数的跟踪能力。