基于分层随机梯度辨识算法的传感器故障检测方法

提出一种基于两阶段递推随机梯度参数辨识的传感器故障的在线检测方法.相对于最小二乘参数辨识算法,随机梯度参数辨识算法所需计算量更小.针对计算能力受限的系统,提出基于随机梯度参数辨识的检测算法.通过分析可知,参数辨识精度越高时检测精度越高.为提高精度,给出基于两阶段递推随机梯度参数辨识的检测算法并设计基于最新估计信息的残差.除此之外,还给出新的检测算法与原有的基于最小二乘检测算法计算量的对比分析,并通过仿真实例,证明新的检测算法的优越性及有效性.     

带柔性载荷超静平台的模型参数在轨辨识

摘要： 针对柔性载荷振动引起超静平台模型参数在轨辨识精度下降的问题,设计一种超静平台模型参数在轨辨识方法.建立考虑柔性载荷振动的超静平台动力学模型,采用卡尔曼滤波估计柔性载荷振动的模态位移,利用多参数并发递推最小二乘法实现超静平台模型参数的准确辨识,通过仿真验证算法的有效性.仿真结果表明：在不考虑柔性载荷振动时,超静平台模型参数辨识收敛速度缓慢,辨识误差较大;采用文中考虑柔性载荷振动的多变量并发递推最小二乘法,能够明显提高超静平台模型参数估计精度.     

基于ARMA时序模型的结构参数识别集员算法

研究在时域内利用含噪声观测数据识别结构参数问题.建立了与结构振动微分方程等价的自回归滑动平均(ARMA, Autoregressive Moving-Average)时序模型,将结构参数识别问题转换为ARMA模型参数辨识问题.在不确定但有界(UBB, Unknown-But-Bounded)噪声假设下,基于线性时不变系统参数集员辨识的区间算法,寻求与观测数据和噪声相容的参数的最小超长方体(或区间向量),进而得到结构参数的估计值.通过数值算例,将本文算法与最小二乘算法进行了比较,显示了其可行性和有效性.      

一种简化递推偏最小二乘建模算法及其应用

在已有的偏最小二乘相关算法基础上,提出一种简化的递推偏最小二乘算法,即直接采用自变量主元的2个回归系数矩阵来取代残差矩阵进行递推计算,进一步简化了递推计算过程,在保证建模精度的同时,使计算速度提高了近一倍.并以数控铣削加工过程中切削合力峰值在线建模为应用实例,对切削过程z传递函数的参数进行了在线辨识计算,由估计模型重构了切削过程的输出,其结果与实验测量值是一致的,且误差很小.仿真和实验结果表明,该简化递推偏最小二乘建模算法是正确和有效的,并且具有计算量小、辨识速度快、建模效率高等特点,适用于数据量较大、建模速度要求较高的研究对象的在线建模.      

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

一种改进的最小二乘景像匹配算法

为提高景像匹配系统的匹配速度和对初始定位误差、噪声的鲁棒性,对实时图与基准图之间的灰度分布关系进行分析,建立实时图和基准图之间的景像匹配模型,给出了一种改进的最小二乘景像匹配算法.该算法在最小二乘目标函数中引入一个辅助约束项构成综合目标函数,辅助约束项隐含有对量测输入平滑性的约束,提高了匹配算法的稳定性,运用牛顿法推导出该算法的递推公式,该算法充分利用了综合目标函数的一阶、二阶导数信息,因此具有较快的收敛速度.仿真结果表明了算法的有效性.     

INS/GIS组合导航方法研究

针对GIS量测误差统计信息不明确,且量测信息具有随机性和有限性的特点,提出了采用非等间隔并解决量测滞后的滤波算法,设计了相应的卡尔曼滤波算法和递推最小二乘算法.建立了INS/GIS组合导航数学模型,通过仿真分析对比了上述两种算法的滤波精度,结果表明,改进的卡尔曼滤波方法优于递推最小二乘估计方法,可有效提高导航精度.     

自适应RLS算法及其在SINS／SAR组合导航中的应用

在捷联惯导（SINS）／合成孔径雷达（SAR）组合导航系统中,SAR的匹配定位信息往往数量有限,而且时间间隔互不相等。提出一种自适应递推最小二乘（RLS）算法用于组合导航。该算法将正交性原理应用于最小二乘算法中,通过构造自适应渐消因子,实现时变参数的自适应估计,给出了自适应RLS算法的递推公式,并从理论上分析了该算法的收敛性。仿真结果验证了自适应RLS算法用于SINS／SAR组合导航系统的可行性和有效性。     

递推阻尼最小二乘及其在INS/双星组合中应用

由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导(INS)/双星组合导航时,其滤波特性较差;而此时最小二乘法是实际工程应用中常用的方法,但易产生参数爆发现象.因此,提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,并将其应用到INS/双星组合导航系统中.仿真结果表明,利用递推阻尼最小二乘法能达到和递推最小二乘法同样的精度,且能明显抑制参数爆发现象.      

LPV模型的动态压缩测量辨识算法

在解决线性参变（LPV）模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用。但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量辨识（DCMI）算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。      

故障预测算法稳定性实时评估方法

针对现有故障预测算法性能评估指标受实际剩余使用寿命约束的问题,从稳定性角度提出一种评估算法性能的方法。通过研究对象系统健康退化过程,在对象系统实际剩余使用寿命未知情况下,利用可以实时获得的剩余使用寿命预测值和已消耗寿命值,通过计算虚构寿命值的变异系数指标来客观评估故障预测算法的性能。为了验证所提方法的有效性,结合机电作动器故障演化模型仿真生成数据对递归最小二乘和粒子滤波两种故障预测算法的稳定性进行了实时评价。仿真结果表明,所提方法与运用已有指标、在获知剩余使用寿命理想值前提下得出的评估结果保持一致。     

多刚体卫星转动惯量在轨辨识

惯量辨识需要精确的动力学特性,针对动力学特性不可忽略太阳电池阵转动这一状况,提出一种惯量辨识方法,用于卫星本体惯量和太阳电池阵惯量的联合辨识.在建立多刚体姿态动力学基础上,针对辨识变量的耦合特性,推导带约束的优化辨识模型,再利用约束最小二乘算法求解.最后通过仿真计算验证了辨识方法的可行性.     

小波网络在直接转矩控制系统低速运行中的应用

针对传统的异步电动机直接转矩控制系统低速运行时存在较大转矩脉动的问题,详细分析了定子电阻变化对系统控制性能的影响,提出了基于小波网络的定子电阻辨识方法.将定子电流的误差和定子电流误差的变化量作为小波网络的输入,网络输出为定子电阻误差的动态估计值;综合应用递推正交最小二乘法与改进的Givens变换训练小波网络参数,利用小波网络良好的时频局部特性可以准确的观测出定子磁链和转矩,优化了逆变器的控制策略.仿真结果对比表明该方法可以有效得改善电动机的低速运行性能,优于采用BP(Backward Propagation)神经网络的方法.