基于卷积神经网络和状态时间序列的参数辨识

针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案.该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理.以Lorenz63为实例,对其参数进行了分析、实验.实验结果表明:该方案能够有效地估计当前物理场状态对应的模型参数,并且计算时间仅为传统方法的4％,大大提升了计算效率.     

基于ODE参数辨识的液压伺服系统灰箱建模

 针对液压伺服系统常规"白箱"建模由于参数无法精确获得导致所得模型精度不高及"黑箱"建模所得模型内部结构未知的问题,本文提出基于ODE参数辨识的液压伺服系统"灰箱"建模。首先,建立了工程上实用的系统状态空间模型, 根据系统特征确定了待辨识参数,将模型辨识问题转化为常微分方程(ODE)参数辨识问题;然后,采用正弦扫频信号作为激励信号和基于带边界约束的信赖域优化算法的初值问题方法进行参数辨识;为了和ODE参数辨识结果进行对比,本文同时采用系统的频率响应数据和最小二乘法辨识得到系统的"黑箱"传递函数模型;最后,通过大量实验验证了辨识模型的精确度。实验结果表明,本文提出的基于信赖域算法的液压伺服系统模型辨识方法可以有效处理参数的边界问题,使辨识模型既具有实际的物理意义,又与实际系统高度符合。     

面向再入目标跟踪的估计与辨识联合优化算法

准确的弹道系数辨识和精确的目标状态估计是再入目标高精度跟踪与高可靠识别的关键。一方面,状态估计的误差会造成模型参数(弹道系数)的辨识风险;另一方面,模型参数的辨识偏差又会导致模型失配从而降低目标状态的估计精度。因此,需要实现再入目标的状态估计和参数辨识的联合优化。针对再入目标弹道系数未知情形,提出了一种基于期望最大化(EM)框架并采用粒子滤波(PF)平滑器实现的PF-EM联合优化算法。在E步基于粒子平滑器得到目标状态的后验平滑估计,M步采用数值优化算法更新上一次迭代的弹道系数,通过E步和M步的不断迭代,以保证状态估计和弹道系数辨识的一致性。算法仿真对比表明:所提算法的状态估计和参数辨识精度均优于传统的状态增广算法。     

带异步相关噪声的战斗机蛇形机动跟踪算法

针对异步相关噪声背景下战斗机蛇形机动模式转弯角速度辨识问题,考虑到目标状态与转弯角速度之间相互耦合的特性,从联合优化的解决思路出发,基于期望最大化（EM）算法框架,提出了一种带异步相关噪声的联合估计与辨识算法。首先采用"去相关框架"解除过程噪声与量测噪声之间的相关性,从而将异步相关噪声背景下的转弯角速度辨识问题转换成具有一步状态延迟的转弯角速度辨识问题,其次通过解除目标状态与转弯角速度之间的非线性耦合关系,基于期望最大化算法实现了战斗机蛇形机动目标状态与转弯角速度的联合估计与辨识,从而获得转弯角速度闭环形式的解析解：在E-step,通过利用异步相关噪声背景下的高阶容积卡尔曼平滑器（HCKS）,获得目标状态的后验估计;在M-step,通过极大化条件似然函数,获得转弯角速度的解析解。最后通过仿真验证了所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法。     

基于SAPSO算法的异步电动机参数辨识

异步电动机等效电路参数的准确辨识对电动机的控制具有重要作用,同时,等效电路参数的变化可以反映电动机的运行状态,故参数辨识也被运用到电机故障诊断中。将现代最优化算法应用到三相异步电动机的等效电路参数辨识中。通过将粒子群优化算法(PSO)和模拟退火算法(SA)相结合,可以准确有效地对异步电动机的6个等效参数进行辨识,与遗传算法相比,SAPSO算法易于实现且收敛速度快。算法采用考虑铁耗的异步电机dq坐标系下的模型来实现,将温度对电阻参数的影响考虑在内。通过算例证明了算法能够有效地对电机参数进行辨识及跟踪电阻的变化。     

基于PSO的船体动态变形模型参数在线辨识

在船体变形测量领域,惯性量匹配法凭借其高精度、易实现的优点成为了时下的研究热点。详细介绍了角速度匹配法进行船体变形角估计的原理,针对算法中动态变形模型（二阶Markov）参数难以确定的问题,推导了两套INS的角增量输出差值与动态变形角之间的关系,建立了利用角增量差值的自相关函数进行求参的理论依据。在求参工具上选择了粒子群算法,借助指数衰减正弦信号的形式建立算法模型,并且合理设置算法参数,最终形成一套完整的在线辨识方案。仿真实验证实,该方案能够实现动态变形模型参数的精确辨识,辨识精度较高,且SNR门限低。最终的变形角估计结果表明,结合该参数辨识算法,船体变形角估计误差可控制在10″左右,证明了该方法的可行性。     

基于MCMC-Gibbs采样的天波超视距雷达联合状态估计与模式辨识

天波超视距雷达(OTHR)目标跟踪面临着"三低"(低检测概率、低数据率、低测量精度)和"多路径"(多条传播路径)的严峻挑战,准确的传播模式辨识与精确的目标状态估计是改善跟踪能力的关键。针对上述问题,提出了一种基于马尔科夫蒙特卡洛吉布斯(MCMC-Gibbs)采样的OTHR联合状态估计与模式辨识算法,该算法通过MCMC-Gibbs采样求取当次迭代当前拍最优的关联矩阵,进而利用同时多量测滤波进行状态和协方差更新,最后引入联合估计与辨识风险函数寻求最优的模式辨识与状态估计结果。不同仿真参数下仿真结果表明该算法的有效性,同时该算法在径向距和方位角估计精度上均高于多路径概率数据关联算法(MPDA),但这是以计算量为代价的。     

基于IMM算法的容错气动参数辨识

针对高超声速飞行器非线性模型气动参数在线辨识问题,将需要辨识的参数增广为状态,建立理论解析模型和实际飞行模型。利用交互多模型(IMM)算法在传统3-2-1-1激励输入条件下对增广"状态"进行跟踪,并将跟踪结果作为对参数的辨识结果。仿真结果表明,IMM算法可以在正常及舵面卡死条件下实现对高超声速气动参数的准确辨识,具有较好的容错性能,并能快速诊断出舵面故障。     

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。     

基于H∞算法的飞机机翼结冰气动参数辨识

针对国内大型飞机结冰防护需求,开展针对大型结冰研究样机的H_∞算法参数辨识结冰探测研究。首先通过参数调节选取一组合适的H_∞算法参数,利用考虑测量噪声的结冰研究样机飞行仿真数据验证H_∞算法的辨识能力,由结果对比发现辨识算法能够跟踪飞机气动导数随结冰累积过程的变化趋势,辨识精度较高,其最大归一化平方根（RMS）误差仅为真值的11%;分析了H_∞算法对81种不同结冰累积过程的辨识能力,通过结果分析发现结冰累积时间较长且结冰速度较慢的情况辨识效果较差,结冰累积时间在100~300 s之间辨识精度较高;最后利用蒙特卡罗仿真分析了不同测量噪声大小对H_∞算法辨识精度和跟踪延时的影响,给出了3个纵向气动导数在随机误差影响下的辨识误差和跟踪延时的统计结果,发现在给定噪声标准差变化范围内,升力和俯仰力矩关于迎角的导数能够得到较为准确的辨识结果,二者的归一化平方根误差均值仅为各自真值的1.8%和4%,其预报延时均值最大仅为3 s和9.5 s。     

军用飞机状态估计与参数辨识软件包研制

在对最优输入设计、数据协调和数据分析分别进行研究的基础上,应用软件工程化方法研制出相应的软件,再通过管理软件进行统~管理,集成了~个完整的军用飞机状态估计与参数辨识软件包MASEPI。最后,通过仿真测试和实测数据处理,该软件包的有效性和实用性得到了验证和确认。现已应用于实际工程试验与试飞数据处理。     

同步机动态模型参数的数字机估计

本文的主要目的是发展一种数字机参数估计算法,它能从带有噪声的数据中提炼出同步发电机的动态模型参数。本方法采用的是建立电机模型;用该模型计算在参数初值的基础上的电流输出;进而利用电机参数的灵敏度矩阵,调整参数值,以使量测输出与模型输出间误差的平方和达到最小。进一步,结合噪声的统计规律于估计方法之中,通过加权阵的形式,建立了极大似然估计器。     

固体火箭发动机参数辨识

固体火箭发动机参数辨识技术已得到广泛的应用,但由于影响辨识参数精度的因素很多,在应用中稍有不慎就会得不到合理的辨识结果。文中分析了影响辨识参数精度的因素,揭示了种种不合理的结果,提出了一些检验辨识结果可信性的方法。     

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。     

Optimal sensor selection strategy for discrete-time stateestimators

A novel sensor selection strategy is introduced, which can be implemented on-line in time-varying discrete-time system. We consider a case in which several measurement subsystem are available, each of which may be used to drive a state estimation algorithm. However, due to practical implementation constraints (such as the ability of the on-board computer to process the acquired data), only one of these subsystems can actually by utilized at a measurement update. An algorithm is needed, by which the optimal measurement subsystem to be used is selected at each sensor selection epoch. The approach described is based on using the square root V-Lambda information filter as the underlying state estimation algorithm. This algorithm continuously provides its user with the spectral factors of the estimation error covariance matrix, which are used in this work as the basis for an on-line decision procedure by which the optimal measurement strategy is derived. At each sensor selection epoch, a measurement subsystem is selected, which contributes the largest amount of information along the principal state space direction associated with the largest current estimation error. A numerical example is presented, which demonstrates the performance of the new algorithm. The state estimation problem is solved for a third-order time-varying system equipped with three measurement subsystem, only one of which can be used at a measurement update. It is shown that the optimal measurement strategy algorithm enhances the estimator by substantially reducing the maximal estimation error     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

PARAMETER IDENTIFICATION METHOD OF NONLINEAR JOINTS

Ｉｎｔｈｅａｎａｌｙｓｉｓｏｆｄｙｎａｍｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｎｇｉｎｅｅｒｉｎｇｓｔｒｕｃｔｕｒｅｓ，ｔｈｅｃｏｎｎｅｃｔｉｎｇｅｌｅｍｅｎｔｓ（ｊｏｉｎｔｓ）ｐｌａｙａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｔｈｅｏｖｅｒａｌｄｙ－ｎａ...     

分布参数系统最佳测量点的选取

本文对如何选择一类线性分布参数系统（DPS）的最佳测量点作了讨论。文中发展一种方法并用于解决精密动力调谐陀螺（DTG）内温度敏感元件的最佳选置问题,结果是满意的。     

一种频域插值变化迭代频率估计方法

针对现有频率估计算法存在的复杂度高、频率估计能力弱、估计结果均方差大等缺点,在固定迭代AM（Aboutanios—Mulgrew）无偏频率估计算法基础上,提出一种频域插值变化迭代频率估计算法,推导了不同迭代参数实现无偏估计的充分条件,证明了有偏估计时本算法的收敛性和偏离度,通过设置不同迭代参数,可以实现无偏或有偏估计。仿真分析表明：当具有较高信噪比时,在整个频率估计范围内,该方法均方误差接近CRLB（Cramer-RaoLowerBound,克拉美一罗下限）;当FFT（FastFourierTransform,快速傅里叶变换）粗估计残余频率接近0．5时,该方法的均方误差优于CRLB,为CRLB的96％。