鲁棒递推阻尼最小二乘算法

递推最小二乘法是工程上自校正控制中常用的参数辨识方法,收敛速度快,但是存在着长期运行协方差矩阵容易爆发的问题。工业上通常采用死区等保护手段,但是会对精度产生一定的影响,并且参数调试困难。本文根据目前计算机的处理能力,提出了阻尼最小二乘法的有限时间窗口批处理递推算法,解决了传统递推最小二乘算法存在的难以克服的参数爆发现象,仿真结果验证了这个算法的有效性。     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

用逐步扩阶双递推时域法识别线性振动系统复模态参数

本文给出了从线性振动系统的自由响应识别该系统复模态参数的方法,把自由响应的表达式变为一个自回归方程和一个多项式方程,利用最小二乘递推与逐步扩阶递推的双递推法来进行参数识别。文中讨论了几个应用中的问题,并给出了计算机的模拟计算结果以及越野汽车车架的参数识别试验结果。     

石英加速度计误差模型系数的递推最小二乘辨识方法研究

为探索在线辨识的测试方法,满足实时辨识的需要,本文提出采用递推最小二乘法辨识石英加速度计模型系数,并对其在重力场测试中的应用进行了研究.介绍了递推最小二乘系数估计法原理,为便于实际应用,根据测试领域的习惯,对递推最小二乘方法进行了梳理.以加速度计分度头试验为例,将该方法应用于加速度计重力场试验的误差模型系数辨识.仿真分...     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

MATLAB在动态称量中的应用

利用MATLAB语言编程来识别定量称量系统的参数，显示了递推最小二乘算法易于在线识别的特点和MATALAB在系统识别应用中的广阔前景。     

噪声协方差估计新算法在惯性导航系统中的仿真研究

研究一种在动态系统常值误差未知的情况下对线性时变随机系统误差协方差进行估计的新方法。该方法通过构造一个新的时间序列,其协方差由未知参数的线性组合组成,然后用递推最小二乘法来计算新序列的协方差,该方法不需要任何关于噪声的先验知识。从仿真结果来看达到了较好的效果。     

基于最小二乘法的飞航导弹速度信息融合研究

提出了利用最小二乘法融合北斗双星定位系统和平台惯导系统的数据,估计飞航导弹的速度误差参数,用以修正惯导长时问运行产生的速度漂移,也提出了利用雷达给出的视线角和视线距信息修正惯导的速度信息.数据融合采用了线性、非线性、无限时间域递推、有限时间域递推等多种最小二乘算法,分别对它们进行了数学仿真,结果显示了该算法的有效性.     

基于预警卫星系统的临近空间飞行器跟踪

系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

铣削过程在线辨识与极点配置自适应控制

 研究了铣削加工过程的建模、参数在线辨识及自适应控制问题,为铣削过程建立了二阶离散传递函数模型,提出了一种修正的带遗忘因子递推最小二乘参数辨识算法,从而解决了普通递推最小二乘辨识算法中由于递推计算协方差矩阵衰退或膨胀引起辨识结果失真的问题,采用极点配置设计原理,为铣削过程推导了自适应控制的控制律。仿真和实验表明,修正的最小二乘辨识算法和极点配置自适应控制律是正确和可靠的,自适应控制器可获得所需的响应性能。     

总体最小二乘算法在自适应信道均衡中的应用研究

分析了最小二乘解产生偏差的原因,推导出了最小二乘解偏差项的数学表达式。提出了一种基于瑞利商的变步长总体最小二乘求解方法。仿真试验表明,总体最小二乘算法的性能优于加权递归最小二乘算法,是一种适用于输入信号端含有噪声的自适应信道均衡算法。     

航空移动通信中OFDM信道估计方法的研究

 正交频分复用（OFDM）由于其自身的技术优势使其在未来的航空移动通信中将占有重要地位，但航空移动通信中时变的信道环境和多普勒频移造成的严重的子载波之间干扰（ICI），使OFDM在航空移动通信中应用面临着困难。本文在建立航空移动通信通用信道模型的基础上，分析了ICI和噪声对信道估计的干扰机制，采用低通滤波和线性插值的方式对最小平方信道估计方法（LS）加以改进，抑制了ICI和信道噪声对LS〖JP2〗的干扰。经过仿真证明，该方法实现简单，精度高，抗ICI干扰和噪声能力强，满足了移动速度高达1 500 km/h的航空通信的要求。     

利用卡尔曼滤波求取直升机气动导数的应用研究

本文主要介绍利用低通滤波、卡尔曼滤波及最小二乘法求取直升机气动导数的方法。本方法的特点是,通过低通滤波使旋翼高频成份的影响减至最小,同时求取试验数据的测量噪声和过程噪声,然后通过卡尔曼滤波使试验数据包含的随机噪声减至最小,最后用最小二乘法求得直升机的气动导数,为了提高卡尔曼滤波的准确度,用最小二乘法由试验数据求取直升机的气动导数作为卡尔曼滤波时的初始导数。计算结果表明,该方法可使试验数据中包含的噪声大大减小,误差带减少70％以上,而计算工作量又远远小于最大似然法。     

基于时频域滤波及频域广义整体最小二乘辨识的飞机颤振模态参数辨识

提出一套适用于噪声环境的飞机颤振模态参数辨识方法.为减小噪声对辨识结果的影响,首先设计了一种针对扫频激励的时频滤波器,利用扫频信号及其响应在时频域分布较为集中的特点,有效去除噪声,提高了试验数据的信噪比.为进一步提高辨识精度,提出了一种基于随机模型的频域广义最小二乘辨识算法.将噪声条件下的系统辨识问题转化为广义整体最小二乘问题,并采用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算.通过优化加权项,获得了接近极大似然估计的辨识效果.最后,通过试飞试验数据验证了方法的有效性.     

红外搜索跟踪系统单机运动测距方法研究

机载红外搜索跟踪系统只能测量目标的方位、俯仰角度信息,而无法直接获取目标的距离信息。因此需通过载机平台的机动运动,提高系统可观测性,从而对目标距离进行解算,为火控系统提供完整的目标运动参数,实现对目标的被动攻击。通过建立红外搜索跟踪系统（IRST）单机运动测距的数学模型,针对伪测距的非线性滤波的有偏特点进行了去偏处理,获得无偏的单机运动测距模型,并通过数字仿真进行算法模型的仿真验证,验证了算法的有效性。     

自旋稳定卫星姿态参数递推容错LS估计

准确计算自旋稳定卫星姿态参数是正确实施姿态控制的前提。本文基于最小二乘（LS）理论，建立了在线计算卫星姿态参数的一组具有容错功能的递推LS算法，简要论证了该算法具备良好的统计最优性质。     

蓝牙技术在某型飞机机载火控故障诊断系统中的应用研究

蓝牙是一种短距离无线通信技术,具有低成本、低功耗、灵活、快速、抗干扰能力强等特点,目的是取代终端的连接电缆.为提高部队的作战效能,采用蓝牙技术和计算机测量与控制技术,研制了机载火控故障诊断系统;该系统在实际应用中取得了良好效果,并具有诊断结果准确,自动化程度高,工作稳定可靠,操作简便,易于转移和维护等优点,为技术人员进行机载火控系统的性能检测与故障诊断提供了便利.     

频域最小二乘辨识方法的参数约束条件选取

近年来,频域最小二乘(LS)辨识方法因其较小的计算量和较高的辨识精度,在模态分析尤其是飞机颤振模态分析中得到了广泛关注。在实际应用中为提高辨识精度,通常采用过拟合方法进行系统辨识,然而过高的模型阶次会引入多余的数学极点,导致稳态图中虚假模态的出现,进而影响真实模态的识别。为此,针对多输入多输出系统辨识问题,研究了两种典型参数约束条件对频域最小二乘辨识方法的不同影响,通过理论分析和数学推导解释了约束条件和虚假数学极点稳定性之间的关系。研究结果表明:适当选取约束条件有助于区分真实和虚假模态,是获得清晰稳态图的关键。最后,采用仿真算例和颤振实测数据验证了本文的结论。     

Spiking-free HGO-based DSC for flexible joint manipulator

The tracking control problem for Flexible Joint Manipulator Control System(FJMCS)with unmeasurable states is addressed in this paper. Firstly, a High-Gain Observer(HGO) is constructed to estimate the unmeasurable states and the uncertainties. Then, a Dynamic Surface Control(DSC) scheme is developed by using the estimation of HGO. The newly proposed controller has two advantages over the existing methods:(A) a novel Spike Suppression Function(SSF) is developed to avoid the estimation spike proble...     

Novel Nonlinear Filtering & Prediction Method for Maneuvering Target Tracking

A new nonlinear filtering and prediction (NFP) algorithm with input es?imation is proposed for maneuvering target tracking. In the proposed method, the acceleration level is determined by a decision process, where a least squares (LS) estimator plays a major role in detecting target maneuvering within a sliding window. We first illustrate that the optimal solution to minimize the mean squared error (MSE) must consider a trade-off between the bias and error variance. For the application of target tracking, we then derive the MSE of target positions in a closed form by using orthogonal space decompositions. Then we discuss the NFP estimator, and evaluate how well the approach potentially works in the case of a set of given system parameters. Comparing with the traditional unbiased minimum variance filter (UMVF), Kalman filter, and interactive multiple model (IMM) algorithms, numerical results show that the newly proposed NFP method performs comparable or better in all scenarios with significantly less computational requirements.