一类有色噪声干扰随机系统最小二乘递推辨识

提出一类有色噪声干扰随机系统的辅助模型最小二乘递推辨识算法.此算法结合辅助模型辨识思想和递推增广最小二乘理论,用辅助模型的输出代替辨识模型信息向量中未知中间变量,用估计残差代替信息向量中不可测噪声项,从而可以运用递推辨识思想来估计系统所有参数,包括噪声模型参数.仿真例子说明提出算法的有效性.      

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.     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

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.      

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.     

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.      

地磁测量卫星的矢量磁场在轨标定算法仿真

以SWARM为代表的高精度地磁测量卫星对地球磁场探测精度经过标定之后优于0.5 nT,对于开展地磁科学研究具有重要意义。地磁测量卫星通过安装在伸展杆上的矢量磁通门磁强计、标量磁强计和高精度星敏感器,获取测量方向的惯性空间姿态的地磁信息,其中高精度标量磁强计主要用于对磁通门矢量磁强计进行标定。针对地磁测量卫星,研究了矢量磁强计在轨测量误差的校正方法。考虑到矢量磁强计非正交角、标度因子以及偏差的影响,建立磁场矢量线性输出模型;结合标量磁强计的测量值分别设计基于小量近似的线性校正算法和基于参数辨识更新的非线性校正算法;校验两种算法的标定精度,并通过Tukey权重函数改善算法的鲁棒性。仿真结果表明,两种算法校正结果相似,磁场三轴误差可校正至0.5 nT以内,在标量磁强计存在异常值时仍具有较好的校正效果。      

一种功能梯度Timoshenko梁的损伤识别方法

为了获得功能梯度材料的高精度损伤识别方法,本文基于动力学方法,通过对状态空间变量进行变量替换,求得了沿轴向指数分布的功能梯度Timoshenko梁的传递矩阵,通过分析裂纹对结构局部柔度的影响,采用扭转弹簧模拟裂纹对结构局部柔度的贡献,建立了功能梯度Timoshenko梁的表面裂纹传递矩阵,并且推导了复杂边界条件下多跨梁的理论模型。通过将非线性方程组转化为单一目标函数优化问题,并将增广拉格朗日算法与差分进化算法相结合对结构进行损伤识别。计算实例表明,本文提出的方法具有精度高、收敛快等特点,且适用于复杂边界条件下多损伤模型的损伤识别。      

一种基于Hausdorff距离的改进星图识别方法

针对基于Hausdorff距离HD(Hausdorff Distance)识别法存在识别速度慢和对星敏感器镜头旋转特别敏感的问题,提出了一种基于Hausdorff 距离进行星图识别的改进算法,它采用有向距离和绝对距离相结合的方法,利用恒星的空间结构信息,构建有向距离匹配模型;根据镜头旋转特性,建立绝对距离抗旋转模型;对两种模型测试研究确定加权因子,同时选取恰当的匹配识别门限,最终实现匹配识别的性能达到最优.仿真实验结果表明,改进后的算法不但保持了原有算法的高识别率,强抗噪性,而且还具有更快的识别速度和好的抗旋转特性.它在实际工程中已得到成功应用.      

基于距离测量的机器人误差标定及参数选定

为消除机器人运动学标定中的模型奇异问题,研究距离平方差模型的可辨识参数.采用修正DH（Denavit-Hartenberg）模型描述机器人连杆结构,六参数描述末端关节到工具坐标系的变换,推导了连杆参数误差到机器人末端距离平方差的线性模型,从冗余关系式和物理解释角度讨论冗余参数,确定可辨识参数,使用迭代的最小二乘法辨识参数完整且非奇异的模型.结合某6旋转关节机器人,以激光跟踪仪为测量仪器进行标定实验,在设计末端执行器时目标测量点偏离末端关节轴线以保证倒数第二关节参数的辨识.结果显示,距离平方差模型避免了测量坐标系到基坐标系的转换,检验点的距离误差均方根降低93.1%,完整性和非奇异性提高了参数辨识的有效性.      

径向基过程神经元网络及其应用研究

提出了一种径向基过程神经元网络,该网络模型为3层前向结构,由输入层、径向基过程神经元隐层和输出层组成.输入层到隐层的变换是非线性的,隐层到输出层的变换是线性的.隐层神经元完成对过程式输入信息的模式匹配和对时间的聚合运算,输出层对输入模式作出响应.在输入空间中引入函数正交基,将输入函数在正交基下展开,利用基函数的正交性,简化聚合运算过程.给出了相应的学习算法,并以旋转机械故障诊断问题为例验证了模型和方法的有效性.