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.      

基于补偿最小二乘的航天器轨道确定方法研究

航天器动力学模型误差是降低轨道确定精度的关键因素之一,文章将航天器动力学模型中的模型误差转化为测量模型的系统误差,建立了测量方程的部分线性模型;并根据补偿最小二乘原理,推导了部分线性模型参数估计方法,并证明了相关性质。仿真试验表明:部分线性模型更接近测量数据的真实表现;基于补偿最小二乘的航天器轨道改进方法能有效逼近航天器状态真值,定轨精度显著优于传统最小二乘估计。     

基于广义正则化最小二乘的天基测向初定轨

传统天基测向初定轨的不足,主要是由于观测数据存在系统误差和观测方程组的系数矩阵病态或不可逆。文章建立观测方程的半参数回归模型,提出基于补偿最小二乘估计和岭估计的广义正则化最小二乘估计,推导了估计公式,并证明了相关统计性质。引入选主列Givens-QR分解算法,提高观测方程求解效率和数值计算稳定性。仿真结果表明:该方法应用于天基测向初定轨可行,可以提高定轨精度和解算成功率。     

伴飞航天器轨道修正点状态的最小二乘估计

研究了近圆轨道航天器长期伴随飞行在轨道修正时刻相对状态的最小二乘估计方法。针对长期伴飞航天器在固定时刻进行轨道修正的特点,提出采用最小二乘估计方法对轨道修正时刻的相对位置状态进行估计,并基于模型误差特点提出对该算法进行改进的加权最小二乘估计算法。算法具有计算相对简单、算法灵活等特点。仿真结果表明,对于固定时刻的状态估计,这种加权最小二乘估计算法和扩展卡尔曼滤波算法的效果相当,能够满足在轨长期伴随飞行在轨道修正时刻的相对状态估计精度要求。     

基于最小二乘估计的雷达系统误差卫星标定方法

雷达系统误差标定对精密测量雷达系统精度具有重要作用.本文针对基于精轨卫星的雷达系统误差参数标定技术,建立误差参数解算数学模型,对关键算法的最小二乘估计进行分析推导,并对卫星标定技术实现进行了系统设计.采用本文算法,依据某雷达常规手段实测的系统误差参数项进行仿真及仿真结果分析.研究结果表明,基于最小二乘估计的方法在卫星标定技术中是可行的.     

6PUS并联机构的运动学整机标定

首先建立了6PUS并联机构包括虎克铰铰链点、球铰铰链点、杆长以及导轨方向向量在内的54结构参数的误差雅可比矩阵。在MATLAB中使用最小二乘法建立了其标定模型,通过仿真验证了雅可比矩阵的正确性和最小二乘法参数辨识的有效性。其次采用正交试验选取位姿,用激光跟踪仪进行整机标定实验。根据标定结果,在MATLAB中采用建立的标定模型进行参数辨识,得到54结构参数。最后进行误差补偿,观察标定补偿效果。该整机标定可使单方向最大位置误差在0.030 mm,最大姿态误差在0.0007 rad;三方向最大位置误差在0.046 mm,最大姿态误差在0.0008 rad。由标定效果可知,整机标定可明显地提高运动学精度。      

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。      

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.     

基于GTLS的零动量卫星惯量矩阵在轨辨识

使用广义总体最小二乘(GTLS,generalized total least squares)方法对零动量卫星进行惯量矩阵在轨辨识.提出了GTLS算法的先验最小距离解的定义:当测量信息不足以确定唯一解时,解空间中最接近先验估计的解.给出了先验最小距离解的算法,并应用于惯量矩阵在轨辨识.仿真结果表明了该辨识方法的有效性及先验最小距离解相对于最小范数解的优越性.     

时变方差自回归模型的联合估计函数方法推断

针对参数估计问题，利用联合估计函数方法对带有时变方差的自回归模型参数进行统计研究。介绍了带有时变方差自回归模型和联合估计函数理论的研究现状，利用联合估计函数理论，给出带有时变方差自回归模型的参数估计量，证明该参数联合估计量渐近收敛于正态分布。对提出的参数统计量进行数值模拟对比分析，模拟结果表明，与伪极大似然估计量、最小二乘估计量进行对比，提出的参数联合估计量略优于伪极大似然估计量，同时该统计量受误差项分布函数影响较小。      

基于岭回归的红外协同定位优化算法

针对双机协同定位误差较大问题，首先，在球坐标与直角坐标相结合的基础上，建立双机协同定位的数学模型，并通过对数学模型的分析得出双机距离较近时定位误差大的原因。其次，利用岭回归算法求解出定位精度较高的两组测量子集的目标位置估计值和定位误差协方差矩阵。最后，利用加权最小二乘算法对两组测量子集进行融合定位，推导出协同定位优化算法。仿真分析表明，该算法能显著改善了整个探测区域内的定位精度，并且在双机相距较近时也能保持高的定位精度。      

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.      

基于虚拟视线交会的飞航导弹INS误差修正方法

针对飞航导弹惯性导航系统(INS,Inertial Navigation System)单独使用时存在位置和速度估计误差发散的问题,在不需要弹目距离信息的情况下,提出了一种基于对航路上单个已知地标连续、被动观测的INS误差修正方法.根据导弹与地标间的相对运动关系,采用虚拟视线交会的方法,将问题转化为多虚拟地标协同定位导弹问题.在此基础上,利用最小二乘思想,实现了导弹位置的有偏估计.以估计得到的有偏位置信息和基于大气系统得到的INS速度误差大小作为观测量,应用考虑系统误差估计补偿的卡尔曼滤波,实现了导弹位置和速度的无偏估计.仿真结果验证了方法的有效性.     

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.