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。     

数字化试飞平台下基于PSO的某型初级教练机飞行品质参数辨识试飞工程方法研究

飞机飞行品质系统辨识是根据飞机系统的输入和输出响应时间历程求取该系统的数学模型及模型中的各参数的过程.本文给出一种在飞行试验中辨识飞机飞行品质短周期模态特性参数辨识试飞工程方法,首先应用连续域等效低阶系统传递函数来描述飞行品质模态特性系统,然后采用基于粒子群算法(Particle Swarm Optimization,PSO)的离散递推最小二乘算法,建立待估参数准则函数,通过极小化待估参数准则函数,求得参数的估计值,最后对辨识的模型进行验证.仿真算例表明该方法具有良好的收敛性和跟随性.     

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TD-RLS算法的四旋翼飞行器系统参数辨识

在对飞行器气动参数进行辨识的过程中,常需要对获得的数据求微分或二次微分,而利用差分法求微分会放大噪声的影响,引入滤波器抑制噪声又会产生相位延迟.针对这一问题,提出了一种跟踪微分器-递推最小二乘(TD-RLS)辨识算法.首先,建立了悬停条件下四旋翼飞行器的系统模型;然后,基于实验室四旋翼平台飞行试验实测数据,将TD-RLS算法应用于飞行器参数辨识.最终的辨识结果表明,在四旋翼飞行器悬停或者小角度飞行条件下,该方法可以实时获得比较精确的系统模型.     

BP神经网络辨识发动机模型

<正>神经网络应用于系统辨识时,与传统的基于最小二乘算法的辨识方法相比较具有以下几个鲜明的特点,这也是BP神经网络具有的特点。(1)不要求建立实际系统的辨识格式。故可省去对系统阶次确定这一步骤,神经网络本质上已作为一种辨识模     

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...     

采样数据含高频有色噪声的连续模型辨识

提出了一种采样数据中存在高频有色噪声的连续模型辨识方法,该方法通过引入积分运算,将连续时间系统的微分方程模型转换为积分方程模型,从而在辨识时使噪声的影响可以忽略,然后直接利用传统的最小二乘法估计出系统的连续时间模型参数。该方法具有较强的抗有色噪声干扰的鲁棒性、计算方法简单、参数辨识精度高等优点。仿真实例验证了该方法的有效性与可行性。     

磁悬浮电励磁三相直线同步电机离线参数辨识

建立磁悬浮电励磁三相直线同步电机(MSEETPLSM)的连续时间参数型状态空间方程数学模型,利用前向一阶差分方法将连续时间数学模型离散化成离散时间参数型状态空间方程数学模型,再利用z变换写成递推最小二乘算法标准形式的数学模型。利用递推最小二乘算法在初级转子静止状态下辨识出MSEETPLSM的电阻及自感参数。利用计算机数值仿真软件仿真MSEETPLSM参数的离线辨识算法,得到MSEETPLSM的初级与次级电阻与电感时域辨识曲线,仿真曲线收敛速度较快且辨识精度较高。仿真结果验证了该参数离线辨识算法的有效性。     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

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。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

飞行数据相容性检验的极大似然方法

 本文提出了一种有效的飞行仪器偏差估计的极大似然方法。为了提高对偏差估计的精度,采用了最小二乘方法对角速率,过载的测量量进行平滑,以减小系统噪声对估计精度的影响;并给出了灵敏度矩阵和初值的确定方法以保证算法的收敛速度。通过数字仿真和对我国几种不同类型飞机的飞机数据实际计算表明,提出的方法能够较准确地辨识出测量仪器的偏差,比普通极大似然法更有效。     

Passive target tracking using maximum likelihood estimation

Estimation of target trajectory from passive sonar bearings and frequency measurements in the presence of multivariate normally distributed noise, with unknown inhomogeneous general covariance, is modeled as a nonlinear multiresponse parameter estimation problem. It is shown that maximum likelihood estimation in this case is identical to optimizing a determinant criterion which has a concise form and contains no elements of unknown covariance matrix. A Gauss-Newton type algorithm using only the first-order derivatives of the model function and a new convergence criterion, is presented to implement such estimation. The simulation results demonstrate that performance of the maximum likelihood estimation method with the above noise model is superior to that with the traditional noise assumption     

基于协方差矩阵高阶幂的二维DOA估计新算法

 针对稀疏分解方法进行均匀圆阵(UCA)的二维波达方向(DOA)估计运算复杂度大的问题,提出了一种基于协方差矩阵高阶幂稀疏分解的二维DOA估计新算法。该算法首先利用协方差矩阵高阶幂无需进行特征值分解和信源数估计的特性,构建了协方差矩阵高阶幂的稀疏分解向量;然后运用粒度分层思想,构造了粗区域估计和细方位估计的分层多粒度的快速分解模型,分层字典的长度大大减少,在保持估计精度的前提下,算法运算时间远小于现有的恒定冗余字典的稀疏分解方法,从而解决了基于稀疏分解的圆阵二维DOA估计问题。论文提出的算法与二维MUSIC算法相比,估计精度高,且能满足对相干信号的估计。仿真结果验证了算法的有效性和可行性。     

Duane模型的导数最小二乘估计

 针对传统最小二乘估计仅仅考虑回归模型曲线本身的试验样本,不能同时对曲线动态变化规律进行描述、未能充分利用模型与数据信息的问题,依据在一次观测中待定参数的取值应使得随机样本与模型各阶导函数在概率尺度下具有最小距离的原理,通过构造模型曲线导数意义下的损失函数,提出了一种能够综合利用模型与试验数据导数信息的导数最小乘方估计方法,推广了传统最小二乘估计的模型条件与使用范围。并结合复杂可修产品可靠性增长的Duane模型给出了参数的一般导数最小二乘估计与最佳导数最小二乘估计式,证明了模型参数的导数最小二乘估计较传统最小二乘估计具有更好的统计性质。为实际中确定模型曲线,进行工程预测提供了一条新的技术途径。     

Discrete-time state estimation of analog double integrators

The problem of minimum variance discrete-time state estimation of a continuous-time double integrator via noisy continuous-time measurements is considered. The error covariance matrices of this estimation are calculated and analyzed. The relations between these covariance matrices and the error covariance matrix of the optimal continuous-time filter are obtained, and a way for determining the required sampling period is proposed. A commonly used approximated model is investigated; it is shown to be inappropriate unless a specific improvement is introduced in the model     

变截面悬臂梁结构动载荷辨识方法

在航空航天领域，作用在结构上动载荷的确定对结构健康监测是非常必要和重要的。为此，本文以类似机翼结构的变截面悬臂梁结构为研究对象，提出了一种基于光纤光栅传感器与卡尔曼滤波器的动载荷识别方法。首先，根据变截面梁单元形式，推导出变截面梁的质量矩阵与刚度矩阵，建立动力学运动方程。然后，以光纤光栅传感器测得的应变信息作为观测信号，通过卡尔曼滤波器生成的增益矩阵、新息序列矩阵以及协方差矩阵，得到灵敏度矩阵和估计力的增益矩阵。在此基础上，利用广义回归模型及其最小二乘算法，估算出动载荷大小、判断出动载荷激励位置。借助数值仿真与实验手段，分别验证了该方法对于单点正弦激励、方波激励、锯齿波激励以及多点同时激励等工况下的动载荷识别效果。结果表明，本文所提算法具有较好的动载荷识别效果和噪声抑制能力，能够为未来风洞试验和真实飞行试验环境中诸如大展弦比机翼表面气动压力等载荷实时辨识、气动外形自适应控制以及结构健康监测提供技术支撑。     

The Modified Yule-Walker Method of ARMA Spectral Estimation

An overview of ARMA spectral estimation techniques based on the modified Yule-Walker equations is presented. The importance of using order overestimation, as well as of using an overdetermined set of equations, is emphasized. The Akaike information criterion is proposed for determining the equation order. A procedure for removing spurious noise modes based on modal decomposition of the sample covariance matrix is derived. The role of the singular value decomposition method in solving the modified Yule-Walker equations is discussed. A number of techniques for estimating MA spectral parameters are presented.     

基于先验知识及其定量评估的自适应杂波抑制研究

 为了改善训练样本数受限的非均匀杂波环境中的系统检测性能,研究了基于先验知识及其定量评估的自适应杂波抑制算法。提出了使用经真实杂波信息白化后的先验杂波协方差矩阵与单位矩阵之差的谱范数,来定量评估杂波先验知识的准确程度,并给出了真实杂波协方差矩阵未知时的矩阵谱范数估计方法。结合先验知识定量评估结果,获得了具有先验知识约束时的杂波协方差矩阵最大似然估计方法。分别基于多脉冲相参雷达以及空时自适应雷达进行了杂波建模,在此基础之上分析了算法性能。仿真结果证实了该算法优于使用样本协方差矩阵及先验杂波信息形成杂波抑制权值的性能。