遗忘因子模糊自调整算法及在故障诊断中的应用

基于参数估计的故障诊断方法因为具有确定故障发生的时间、位置和程度的能力而越来越引起人们的重视。时变（快速的或慢速的）参数辨识是基于参数估计故障诊断方法的关键。本文根据系统的变化，基于模糊控制的原理自动调整遗忘因子，导出了一种实现比较简单，对参数的时变具有较高跟踪速度和跟踪精度的辨识方法。理论分析和仿真试验证实了该方法的有效性     

基于辅助模型思想的带可变遗忘因子的最小二乘辨识算法

为了对时滞系统的时滞参数和系统动态参数进行辨识,本文提出了一种基于辅助模型思想的带可变遗忘因子的最小二乘辨识算法。建立辅助模型,用辅助模型输出代替系统的无噪声输出。引入基于预测误差的可变遗忘因子,加快算法的收敛速度,提高算法的预测精度。最后,通过仿真证明了本文算法的有效性。     

数字式自校正控制方法

通过实例说明自校正控制的设计和实现过程.从参数辨识开始,给出递推最小二乘算法和遗忘因子法.在数字控制器离线设计中,应用PID和极点配置两种方法来解决系统跟踪调节的参数选定问题.最后,将系统辨识、控制器设计和控制过程实现融为一体,在线实时地应用自校正算法来解决给定实例的跟踪控制,并通过计算曲线说明系统对于外界参数变化的自适应功能.     

基于惯组信息的运载火箭主发动机推力故障在线辨识

研究了运载火箭基于动力学与运动学模型的主发动机故障下的推力在线辨识问题,仅基于导航敏感器件的惯性测量信息,利用多信息融合的带遗忘因子的最小二乘法,实现了发动机推力大小的在线实时辨识,通过辨识的推力大小进而对发动机进行故障诊断。仿真结果表明,该方法能够准确快速地辨识出发动机推力大小的变化。     

遗忘因子选取对于时变参数识别结果的影响

本文在已知后验知识的基础上，提出了以极小化待识别参数标准差为目标函数的最佳遗忘因子选择方案，考察了遗忘因子选取对时变参数识别结果的影响。数字仿真结果表明，对于各种不同算法（ＬＳ，ＤＬＳ，ＩＶ），选用最佳遗忘因子后，相应于标准差达极小的物理参数的识别结果均优于以往凭经验所选择的遗忘因子的识别结果。依本文方法而进行的模拟计算，可以为各种不同变化类型的时变参数的识别提供一种选择最佳遗忘因子的理论依据     

静电陀螺随机漂移模型辨识

采用时序分析方法对静电陀螺随机漂移模型进行辨识，提出了用Ｂｏｘ－Ｊｅｎｋｉｎｓ法，Ｂｕｒｇ法，ＬＵＤ法以及Ｄ．Ｄ．Ｓ法四种建模方法建立了一维模型，并用多维ＡＲ模型建立了二维模型，对所得结果进行了讨论，最后指出只有精密陀螺建模才有价值，ＬＵＤ法对发展实时控制是十分有用的     

热真空试验中的自校正PID控制策略

通过引入自校正PID控制策略解决热真空试验温度调节过程中存在的长滞后问题。首先,采用带遗忘因子的递推最小二乘法对未知模型的特征参数进行在线辨识;然后,进行自校正PID的控制律设计。仿真结果表明:该方法可以比较准确地辨识出模型特征参数;与传统的PID控制方法相比,具有响应速度较快、超调量较小等优点。     

空间绳系机器人抓捕非合作目标的质量特性参数辨识

针对空间绳系机器人抓捕非合作目标/空间垃圾后需要对其进行回收/拖曳的精确控制问题,提出了一种利用抓捕后保持阶段的振动特性辨识目标参数的方法。首先,根据质量特性参数辨识的需要,推导了系统的动力学模型。不同于以往将本体卫星和被抓捕目标简化为质点的动力学模型,本文针对任意的目标抓捕位置,在考虑重力梯度影响的基础上,利用拉格朗日法获得系统各广义坐标的动力学公式。然后,分析非合作目标和系绳在后抓捕保持阶段的姿态运动。最后,在非合作目标与本体卫星没有任何信息交互的情况下,利用后抓捕阶段目标卫星和系绳特有的振动,并使用具有鲁棒性可遗忘因子的递推最小二乘法,提出了包括转动惯量和质心到任意抓捕点距离在内的质量特性参数辨识算法。     

再入航天飞机表面热流密度辨识

本文给出了求解表面热流密度辨识这一热传导逆问题的顺序函数法。然后以某模型航天飞机迎风中心线上的某特征点为例，将航天飞机再入时的表面热流密度辨识问题简化为一维模型问题，用顺序函数法来对该特征点上的对流加热流密度进行了仿真辨识，得到了较理想的辨识结果。该方法在航天研究领域有着良好的工程应用前景。     

集员辨识与T-S模型相结合的非线性系统建模及其故障检测算法

针对带有未知但有界（Unknown But Bounded．UBB）噪声的非线性系统的建模及其故障检测问题，提出了一种集员辨识与T-s模糊模型相结合的非线性系统建模及其故障检测算法。在建立非线性系统模型时，利用系统正常状态下的运行数据，选用T-S模型对其进行离线建模。首先采用模糊聚类的方法对输入空间进行模糊划分，然后利用T-S模型为参数线性模型的特点，使用参数线性集员辨识算法辨识T-S模型的结论参数。由于集员辨识算法所得到的是参数的集合估计，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，如果测量所得实际系统的输出不在预测输出范围之内，则可判断系统发生了故障。通过与其他算法相比，验证了本方法的性能。     

预报误差法在伺服系统时域辨识中的应用与实现

介绍了系统辨识中的预报误差法的基本原理,设计了一种简洁通用的软硬件辨识平台。成功地应用预报误差的辨识方法对一个实际的中功率雷达伺服系统实现了时域辨识,得到了该伺服系统比较准确的模型。将辨识结果与一般最小二乘法的辨识结果进行了比较,发现此辨识方法在抑制噪声方面有很大的改进。     

用于统计能量分析参数辨识的子空间方法研究

利用统计能量分析法预示航天器结构高频动力学响应时,正确估计各子系统的统计能量分析参数至关重要。论文从实验参数辨识角度,基于子空间法的统一理论框架,提出功率流模型辨识/耦合矩阵修正方法(PMI/CMA)辨识系统的内损耗因子和耦合损耗因子参数。首先利用子空间法直接由时域测试数据辨识功率流模型的等价状态空间模型,然后利用辨识模型特征参数修正初始耦合矩阵。耦合矩阵修正方法考虑了子系统间的耦合信息,并通过寻求耦合矩阵初始值相对误差的最小范数解得到修正参数。最后利用两个实际结构分别对算法进行了仿真分析并与功率流实现/统计能量分析模型修正方法(PRM/SMI)进行了对比,验证了PMI/CMA方法的有效性。     

某型飞行器气动参数辨识与弹道仿真

以某型飞行器为例,运用气动参数建模分析的手段,建立典型空气动力学模型。将传统的模型辨识方法与现代计算机技术相结合,对气动力辨识输入参数进行了分析,采用迭代算法得出辨识参数,并对观测量和物理几何参数误差影响辨识精度进行了分析,选用某型飞行器现有试验测量数据作为输入量,进行气动参数辨识,将辨识得到的气动参数进行了仿真验证。利用辨识得到的气动参数仿真计算的弹道与试验结果吻合度较高,说明气动参数辨识可行。     

舵面-液压伺服机构连接刚度参数辨识

应用特征方程反问题的直接方法对舵面－液压伺服机构连接刚度参数进行了辨识。方法以动柔度矩阵特征方程为基础，通过界面位移求解界面内力，并由模态迭加法通过舵面上可测自由度振型，拟合扩充机构内部的不可测自由度振型，然后由界面位移和内力确定连接部位的刚度参数，对某导弹舵面－液压伺服机构建模，并辨识相应界面的连接参数，结果表明，该方法简便且精度高，为舵面－液压伺服机构的动力学建模和分析提供了有效方法。     

空间非合作目标质量特性在轨辨识

提出基于系统动力学方程的空间非合作目标质量特性辨识算法。利用递推最小二乘法辨识空间机器人抓捕非合作目标后系统整体的质量特性,进而根据多体动力学的建模方法,通过几何关系解算得到非合作目标与末端作用器联合体的质量特性参数。仿真分析验证了该辨识算法的有效性。     

基于网格自适应的飞行器防热材料热传导系数辨识

为准确辨识高超声速飞行器防热材料热传导系数，构造了针对热传导偏微分方程系统的约束泛函极值问题，基于表征多项式逼近性能的Weierstrass定理，采用Lagrange多项式对热传导系数进行参数化建模，进而将无穷维的约束泛函极值问题转化为有限维的非线性规划问题，再利用基于动态优化方程的优化方法将此非线性规划问题转化为常微分方程初值问题进行求解。为从较有限的测量数据中准确地“学习”热传导系数，建立采用“过拟合”判别准则的网格自适应迭代算法改善辨识精度。研究表明本文采用的辨识策略与优化方法有效，辨识结果可以较准确地反映材料热传导系数的变化规律。     

航天器质量特性参数的在轨辨识方法

针对高精度姿态和轨道控制要求准确已知航天器质量特性的问题,提出了基于参数解耦的最小二乘法和基于PSO的非线性优化两种方法,以辨识航天器的质量、惯量和质心位置。第一种方法将惯量与质量和质心位置解耦后分别辨识;第二种方法则将参数辨识问题转换为非线性系统的全局优化问题,同时辨识出所有参数。所提出的方法均不需要假设航天器运动足够慢,克服了以往方法将待辨识参数的耦合关系强行分离的缺点,采用辨识后的参数明显提高了航天器姿态及轨道控制性能。仿真结果验证了方法的有效性。     

一种运载火箭时变结构模态参数辨识的确定性演化方法

针对运载火箭的时变结构模态参数辨识问题进行研究，基于时变自回归滑动平均(TARMA)模型，提出一种时变结构模态参数辨识的确定性演化方法。该方法利用小波基函数的良好局部函数拟合能力，将墨西哥帽小波函数作为TARMA模型时变系数的空间基底，构建了基于小波函数的泛函序列时变自回归滑动平均(FS-TARMA)模型，并发展了两步最小二乘估计方法，实现了时变系数的解耦估计。通过有限单元法，建立了阿里安V号芯级运载火箭时变有限元模型，对所提辨识方法进行了验证，结果表明：墨西哥帽小波基FS-TARMA方法能够有效地辨识系统的时变模态参数；与传统傅里叶基FS-TARMA方法相比，具有更好的辨识精度，并且能够准确地反映出模态局部细节特征。     

基于多变量特征模型的机械手自适应控制

机械手系统动力学模型所设计出来的控制器一般具有比较复杂的形式。为了解决机械手系统控制器复杂性问题,推导出机械手系统的线性多变量时变二阶离散差分方程,得到了其方程系数所满足的特征关系,并由分析可知当采样时间间隔足够小时,该方程系数具有慢时变特性。基于建立的差分方程及其系数的特征关系,给出了带有遗忘因子的最小二乘辨识方法和多变量黄金分割控制律相结合的且形式简单的自适应控制算法。利用系数的特征关系,能使需要辨识的参数个数减少。此算法具有只需要关节的位置信息而不需要速度信息的优点。数学仿真结果表明该方法对机械手控制的有效性和鲁棒性。     

一种BP MFN逆模型补偿的复合控制结构方案研究

由于对结构未知和不确定的非线性系统还没有形成一种通用有效的辨识和控制方法，为此首先对非线性系统逆模型辨识和控制的结构方案进行分析，然后基于复合控制思想，对基于神经网络的非线性系统逆模型补偿的复合控制结构方案进行研究。设计了一种基于BP MFN（Multilayer Feedforward Network）逆模型补偿的复合控制结构方案，并基于不同BPMFN逆模型结构进行了仿真。仿真结果显示，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的，且在满足辨识建模精度要求前提下，采用相对简单的BPMFN逆模型结构，对提高逆模型的泛化能力和非线性系统的控制效果是有益的。