Performance analysis of the recursive parameter estimation algorithms for multivariable Box-Jenkins systems

دو الگوریتم شناسایی بازگشتی مبتنی بر مدل کمکی، یک الگوریتم شبه تصادفی تصحیح عمومی و یک الگوریتم کمترین مربع تکرار شده به صورت جملات برگشت پذیر، برای سیستم های جعبه جینکینز چند متغیره توسعه داده شده است. ایده اصلی این است که از مدل های کمکی برای تخمین خروجی های ناشناخته ناشی از سیستم و جایگزین کردن اصطلاحات نامحدود در بردارهای اطلاعات با برآوردهای آنها استفاده شود. ما ثابت می کنیم که خطاهای تخمینی ارائه شده توسط الگوریتم های پیشنهادی در شرایط تحریک پایدار به صفر نزدیک می شوند. در نهایت، یک مثال برای نشان دادن اثربخشی الگوریتم های پیشنهادی ارائه شده است.