有色噪声干扰下的一种系统辨识方法

把有色噪声干扰的随机系统看作一类广义输出误差模型,辨识的思想是把过程模型和噪声模型分别用两个有限脉冲响应(FIR)模型逼近,进而得到一个特殊的CARMA模型/ARMAX模型。使用增广最小二乘法估计其参数,最后根据模型等价原理确定原系统的参数估计。仿真结果表明．如果近似的FIR模型有较高的阶次,系统辨识精度满足要求。     

一种ARMA模型的阶数递推辨识算法

本文从实际物理系统出发,提出了一种基于广义最小二乘的阶数递推ARMA模型辨识算法——REARMA算法.利用最小二乘逆的递推计算,大大加快了系统辨识的速度.     

考虑非理想噪声干扰的直升机飞行动力学模型辨识方法

利用MATLAB/SIMULINK平台搭建了直升机仿真实验系统,并以UH-60直升机为对象实现了考虑非理想噪声干扰的仿真飞行实验。建立了非理想噪声数学模型并基于增广最小二乘法设计 了一套同时考虑模型参数和噪声参数的综合辨识算法,在此基础上,利用仿真实验数据实现了UH-60直升机纵向飞行动力学模型的辨识与验证。最后,通过与普通最小二乘法的对比验证了本文方法的优越性。      

空心圆柱试样试验仪及其递推辨识建模

介绍了空心圆柱试样试验仪的总体结构及加载原理，以及在连续加载试验的条件下系统定量分析所必须解决的系统建模等问题的重要性，简述了采用递推增广最小二乘法对随机、时变和非线性系统实现在线、实时递推辨识建模的原理和以ＩＢＭ－ＰＣ／ＸＴ计算机为核心实现计算机辅助递推辨识的原理和方法、递推辨识系统的硬件构成以及为提高递推辨识速度和精度在软件过程中采用的处理技术，讨论了该递推辨识系统在空心圆柱试样试验仪控制试验中的应用及其实际效果。     

动态神经网络的模型检验

讨论了利用仅含一个隐层的前馈多层神经网络来辨识离散时间非线性动态系统时的模型检验问题。从估计理论出发，加上实际应用的考虑，提出了一种检验神经网络模型适用性的综合误差指标（ＳＥＩ）准则，并利用学习速度快、收敛性能好的递推预测误差（ＲＰＥ）学习算法，对两个例子进行了仿真计算。结果表明：综合误差指标准则可用来检验非线性动态系统的神经网络模型。与相关检验法相比，综合误差指标准则具有计算简单、使用方便等优点。最后，指出了今后的研究方向。     

基于PCA-RBF神经网络的浮选过程软测量建模

以浮选过程为研究对象,提出基于主元分析与RBF神经网络相结合的经济技术指标软测量模型,该模型依据工艺机理和经验知识对过程变量进行初选,采用主元分析方法对高维输入向量进行降维化简和辅助变量选择;采用新型混合递推算法对RBF神经网络参数进行优化。该算法包括修正网络中心的自适应聚类的简化型次胜者受罚竞争学习算法和修正网络权值的带遗忘因子的递推最小二乘算法。混合学习算法提高了网络参数辨识的收敛速度。仿真结果表明,软测量模型能很好地实现浮选过程经济技术指标的全局预测。     

一类MIMO状态可观测非线性系统的激励辨识

研究一类多输入多输出(MIMO)状态可观测非线性系统的激励辨识问题,输入激励信号采用高斯白噪声,均匀采样获得输出状态数据;根据Girsanov定理获得系统参数的渐近无偏估计;数值仿真试验说明了该方法的有效性并发现多变量耦合辨识中的噪噪比(NNR)现象;最后给出该系统的分步激励辨识算法。     

基于抗差估计的工业机器人运动学参数标定

为了提高工业机器人标定过程中参数辨识的鲁棒性,提出了一种基于抗差估计的运动学参数标定方法。首先基于D-H模型建立了末端位姿误差模型,同时分析了等价权函数,然后利用激光跟踪仪测量机器人基坐标系和末端位姿,最后结合IGG3权因子函数利用抗差最小二乘法辨识了运动学参数。实验表明,机器人绝对定位的RMS误差由补偿前的0.87mm降低到补偿后的0.21mm,相较于传统的最小二乘辨识算法,此标定方法拟合精度更高且鲁棒性更强。     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。     

快速Givens变换在参数递推最小二乘估计中的应用

本文根据Givens转动的特点,提出了一种快速Givens正交换算法,并将该方法用于数学模型参数递推最小二乘估计,为模型参数在线估计提供了一种快速算法。     

航空发动机控制器降阶方法

研究了状态空间模型的降阶方法,介绍了平衡截取降阶方法,提出最小二乘降阶方法.根据降阶前后系统应具有相同的输出,采用最小二乘法计算出降阶后系统的模型参数.以状态空间形式的某航空发动机控制器为降阶示例,采用以上两种方法进行了降阶研究,结果表明所提出的最小二乘法具有更优的性能.     

线性振动系统双递推最小二乘时域参数识别法

本文在时域中探讨了粘性阻尼线性振动系统的复模态参数识别问题。利用振动系统的自由响应采样数据,提出了最小二乘递推与扩阶递推的双递推方法,先识别振动系统的复频率,再识别复振型。为给数据中的噪声提供一定的出口,采用拟合模型的阶数大于振动系统的阶数的数学模型。最后用模态置信因子和模态相关系数来鉴别振动系统的复模态与噪声模态。为验证此方法的正确性,进行了计算机模拟试验,文中附有算例及结果。     

基于遗传算法的混合威布尔分布参数最小二乘估计

混合威布尔分布模型常用来分析具有多种失效模式的复杂系统的可靠性数据,由于模型中包含较多参数,与单一威布尔分布相比,混合威布尔分布的参数估计更为复杂。利用遗传算法为优化方法,提出了一种混合威布尔分布参数估计的最小二乘方法。以残差平方和最小为优化目标,以各参数取值范围为约束条件,构建了混合威布尔分布的非线性最小二乘优化模型;通过变换决策变量上下限、引入惩罚因子和保存最优个体等策略改进传统遗传算法以提高算法的性能,进而利用改进后的遗传优化算法对混合威布尔分布的非线性最小二乘优化模型进行求解。实例分析表明本文方法有效,利用本文方法计算得到的可靠度估计值与真实值之间的最大偏差和标准均方根误差,相对于图估计法分别减少了0.028 4与0.032 8,相对于极大似然估计法分别减少了0.000 8与0.003 6。     

ReLMS——一种基于剩余误差的变步长LMS算法的研究

自适应均衡是现代通信中广泛采用的消除码间干扰的一种方法。为了适应高速数据传输的要求,达到在非线性畸变信道上较好的抗噪声性能,可采用非线性自适应均衡器—判决反馈均衡器Decision Feedback Equalizer(DFE)。针对在水声通信中广泛应用的均衡算法—最小均方Least Mean Square(LMS)算法—在固定步长下存在收敛速度与剩余误差的矛盾缺陷,提出了一种基于剩余误差的变步长最小均方算法,简称Re LMS算法,并将该算法与其他变步长算法进行了仿真比较实验。验证结果表明,Re LMS算法无论是在收敛性能还是在均衡效果上都优于另两种算法,实现了在不增加算法复杂度的同时,改善收敛性能,克服收敛速度与剩余误差的矛盾缺陷,并最终实现有效的、可靠的水声通信。     

基于改进FxLMS算法的空间噪声主动控制研究

针对运载火箭在起飞和飞行过程中面临的噪声问题,噪声的主动控制逐渐得到应用,本文介绍了噪声主动控制算法的基本原理,针对自适应滤波前馈算法的稳定性和控制精度问题,提出一种基于归一化泄露FXLMS算法的前馈主动降噪方法。首先采用状态空间方法进行声场次级通道辨识试验,辨识精度较FIR数字滤波器要高,为声场控制提供高精度控制模型;其次通过仿真研究了收敛系数μ、滤波器阶数L对收敛速度和稳态误差的影响规律,结果表明,采用低滤波器阶数L=16,收敛因子μ=0.001能够保证控制系统的稳定性与精度;最后开展了基于改进FxLMS算法的空间噪声主动控制试验,试验结果表明,基于改进FXLMS算法,能够使随机激励下控制区的声压显著降低。     

基于Hammerstein模型的非线性气动弹性系统辨识

在非线性气动弹性系统的辨识中,Hammerstein模型常用来辨识系统的非线性部分,而假设其线性部分是已知的。本文以累积相干函数为准则,有效地选择非线性部分的基函数,减少辨识参数的数目;利用条件逆谱法得到系统线性部分的极点,并构造相应的正交基函数;基于Hammerstein模型,建立该非线性系统的参数化模型;用非迭代方法求解模型参数;从而提出了能够同时辨识系统线性和非线性部分的非迭代辨识算法。以俯仰方向含刚度五次非线性的二元翼段为例,验证了该辨识方法的有效性。     

多变量自回归模型的快速辨识方法

本文提出了多变量AR(Autoregressive)模型建模的快速算法,该算法采用解超定矩阵的最小二乘方法,并利用正交变换技术,从而避免了最小二乘估计中矩阵求逆的病态问题,保证了数值计算的稳定性。还介绍了一种可转化为单变量建模的多变量AR模型,它可以直接利用单变量建模模块。一般情况下,可将序列进行典则分解。最后简要列出了有关结论。     

基于神经网络的一类非线性系统自适应回馈递推控制

文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法.首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性.基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的.仿真结果验证了所研究算法的有效性.     

对模态参数识别的整体正交多项式算法的评述

整体正交多项式识别算法利用整体最小二乘方法来辨识结构模态参数,识别精度一般高于普通意义上的正交多项式拟合算法,本文系统的介绍了整体正交多项式识别算法发展过程中出现的三种方法,同时从识别精度、对噪声敏感程度和识别效率三个方面对方法进行详细的比较和评价,并在此基础上进一步指出了方法存在的问题和未来的研究方向。