一种带负载工业机器人动力学模型辨识方法

针对带负载工况下六自由度关节型工业机器人动力学模型的辨识问题,提出了一种带负载机器动力学模型的参数辨识方法。在获得机器人本体动力学模型的前提下,用Newton Euler法建立负载动力学模型进行补偿,设计激励轨迹获取负载贡献的力矩,然后用加权最小二乘法辨识出负载模型中未知参数。最后对得到的带负载完整机器人动力学模型进行验证与分析,结果表明通过辨识得到的预测力矩与测量力矩有较好的跟随性,所提出的辨识方法具有一定的工程参考价值。     

非线性输出误差模型的两阶段递推辨识算法

输入非线性系统的输出误差模型在实际工业生产中是一类常见模型,针对含有色噪声的输出误差模型提出基于辅助模型的两阶段递推增广最小二乘算法。根据辅助模型思想和分解技术,将复杂的非线性辨识系统分解为系统模型和噪声模型子系统,再根据最小二乘思想分别辨识,其中噪声信息向量中存在的不可测噪声项用其估计值代替。最后与递推增广最小二乘算法在参数估计精度和收敛速度的比较,验证算法在此类模型应用的有效性,仿真结果表明该算法精度高,收敛速度快,计算量小。     

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.     

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。     

一种闭环对象辨识方法及其在生产中的应用

针对一些难达稳态过程的模型不易辨识的问题,提出了一种对象模型参数和状态方程初值同时辨识的新方法.该方法可不进行装置实验,仅使用装置历史数据就可进行在线辨识,且适用于系统处于非稳定状态的阶跃响应数据.闭环控制系统辨识仿真和实际应用表明,应用该方法辨识出的对象特性进行PID参数设计,效果明显,并且使控制系统具有很好的抗干扰能力和鲁棒性.     

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。     

基于模型试验的旋翼/机身气动干扰经验算式

试验研究了直升机机身受旋翼气流干扰时的空气动力特性.试验结果证实机身阻力与旋翼前进比和桨盘载荷变化密切相关,机身升力和俯仰力矩的大小与旋翼桨盘载荷关系更大.通过对试验数据的初步分析,确定机身受旋翼尾流影响的气动干扰算式结构,利用最小二乘原理建立了简单有效的直升机机身在旋翼尾流干扰下的气动力算式,该算法可直接用于直升机气动设计和实时仿真模型中.     

工业机器人D-H运动学参数分步辨识方法

针对工业机器人运动学参数辨识过程中的角度误差易淹没在数量级较大的位置误差中的问题,提出一种快速有效的分步辨识方法。首先构建机器人Denavit-Hartenberg（D-H）运动学模型,其次给出参数辨识两步误差模型,最后进行机器人运动学参数辨识试验。借助激光跟踪仪进行外部测量,通过3种试验方案对比,验证了基于两步误差模型的机器人运动学参数辨识方法的正确性和有效性,且辨识精度具有一定优势。将辨识参数代替机器人原有运动学参数,进行碳纤维薄板钻孔加工,加工孔的位置度由3 mm提高到1 mm以内。     

建立非线性气动参数模型的一种方法

介绍了一种以最小二乘法为基础的建立非线性参数模型的方法,可对模型和模型各项的显著性进行检验。通过对变量的标准化和选择主成分,可有效地消除变量之间的多重共线性关系。算例结果表明,该方法能较好的逼近实验数据。     

一种提高数据采集系统精度的方法研究

数据采集系统对采集精度要求极高,但采用8位的低精度模数转换器,直接利用标称值元器件设计的数据采集系统会存在系统误差。尽管使用传统的线性参数标度变换可以消除系统误差,但数据采集系统必须是线性系统。如果存在饱和非线性,最好在多种输入情况下测量若干数据,剔除饱和数据后应用最小二乘法拟合的线性关系进行标度变换可以得到测量值。研究结果证明:该方法比传统的标度变换计算的测量值要明显准确,达到提高系统精度的良好效果。     

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。     

SAR图像中动目标自聚焦检测的方法改进

构造了各聚焦图像块的对比图像块,对比图像块内的静止背景与聚焦图像块内的静止背景图像保持同步变化,它们的锐度始终相等,而对比图像块内的动目标与聚焦图像块内的动目标图像有很大差异,以聚焦图像块与对比图像块锐度比检测动目标,可排除静止背景锐度下降的影响,提高检测性能。实测数据表明该算法有效。     

模糊聚类法在试验模态参数识别分析中的应用

为了搜索系统的真实极点,将模糊聚类理论引入试验模态参数分析.根据极点之间内在的亲疏关系,将其 合理地聚为若干类,搜索每一类的最佳极点,即系统的真实极点,在稳态图中自动完成真实极点的选择.该方法 能够避免人为因素造成的识别误差,提高识别结果的可信度.在正交多项式曲线拟合和多参考点最小二秉复频 域识别系统中引入该方法,实现了稳态图中极点的自动选择,提供了真实极点选择的一种新思路.通过仿真和实 验证明了模糊聚类法对极点选择的可行性和稳定性.     

大角度三维基准转换的粗差探测算法

三维基准转换广泛应用于大地测量、摄影测量、点云配准等领域,求解大角度、任意比例尺的三维基准转换参数的研究有很多。然而,当观测值中含有粗差时,得到的转换参数估值会受到不利影响甚至被严重扭曲。为处理含有粗差的大角度三维基准转换问题,本文首先将大角度三维基准转换问题抽象为具有等式约束的最小二乘问题（Constrained least squares, CLS）,推导参数在正交约束条件下的最小二乘解。然后,将灵敏度分析方法应用到CLS问题中,研究残差加权平方和对观测值扰动的局部敏感性,并基于这些敏感度指标构造局部检验统计量,进而推导出一个适用于CLS问题的粗差探测算法。最后,为核实该算法的有效性进行了仿真与实测数据实验。实验结果表明：本文提出的基于灵敏度检验统计量的数据探测算法可以降低粗差的负面影响,得到可靠的参数估值,从而有效解决大角度三维基准转换中的粗差处理问题。     

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。     

小波变换在动力学系统识别中的应用

试图用小波变换来讨论动力学系统识别中的几个问题，并用以研究在系统分析中利用小波变换这个工具的可能性。只涉及线性时不变结构的动力学系统，它应该适用于非线性或线性时变系统的分析和识别。做为一个具体应用，给出了使用小波变换识别模态阻尼系数的模拟实侧，可用于颤振数据分析。     

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。