论文部分内容阅读
为了抑制动态测试尤其是长过程测试数据中的时变性随机测量误差，提出移动辩识时变模型与移动卡曼滤波相结合的移动自适应滤波平均方法，而不采用当前广泛使用的各种递推算法，以避免有滞后及数值不够稳定现象。经各种类型数据仿真试验及某些实例的计算结果表明：可减少随机测量误差达５０－６０℅，且与递推算法有同样的时变跟踪能力，拟合精确度高、稳定性好，只是计算速度略低，还有个突出优点是可适应时变结构或阶数。