基于行列式比的阶次和参数同步递推辨识算法

针对输出误差模型,结合辅助模型的思想对原有阶次辨识和参数估计的方法进行融合和扩展,推导出基于辅助模型的行列式比定阶法,同时得出模型的阶次和参数,不仅减少了辨识过程的计算量,也节约了辨识时间。考虑到原有行列式比定阶法可能存在的不准确性,提出了一种系统模型的确认方法,增强了阶次辨识能力。仿真实验也充分表明,对行列式比定阶法的扩展不仅可以准确地辨识出系统的阶次,得出的参数估计值也有较高的精度。     

基于行列式比的阶次和参数同步递推辨识算法

针对输出误差模型,结合辅助模型的思想对原有阶次辨识和参数估计的方法进行融合和扩展,推导出基于辅助模型的行列式比定阶法,同时得出模型的阶次和参数,不仅减少了辨识过程的计算量,也节约了辨识时间。考虑到原有行列式比定阶法可能存在的不准确性,提出了一种系统模型的确认方法,增强了阶次辨识能力。仿真实验也充分表明,对行列式比定阶法的扩展不仅可以准确地辨识出系统的阶次,得出的参数估计值也有较高的精度。     

多变量系统状态空间模型的递阶辨识

研究多变量系统状态空间模型的递阶辨识问题,推广了作者提出的标量系统状态和参数联合辨识算法.当状态可量测时,利用最小二乘原理直接辨识状态空间模型的参数矩阵;当状态不可测时,利用递阶辨识原理提出了状态空间模型递阶辨识方法,使用系统输入输出数据来估计系统的未知状态和参数.状态空间模型递阶辨识方法分为两步:首先假设系统状态是已知的(即参数估计算法中的未知系统状态用其估计代替),基于状态估计和系统输入输出数据递归计算系统参数估计;然后基于系统输入输出数据和获得的参数估计,递归计算系统的状态估计.     

基于模型分解算法模型辨识器的设计与应用

介绍了模型辨识器的设计和实际应用.模型辨识器的辨识算法采用基于模型分解方法的辨识算法,软件设计上采用模块化的程序设计原则.辨识器从实用性出发,注重辨识的速度、简洁,可以方便给出系统对象的阶次、参数和时延的无偏估计,可以灵活地对多变量系统进行辨识,辨识出的模型有利于控制器的设计.还对一个实际的装置进行了应用研究,获得的结果是精确的,说明了该软件的有效性和实用性.     

MISO系统辅助模型多新息增广随机梯度算法

对于有色噪声干扰的输出误差多输入单输出（MISO）系统,常规的递推最小二乘辨识方法给出的参数估计是有偏的。为了提高随机梯度辨识方法的收敛精度和速度,用辅助模型的输出代替辨识模型信息向量中的未知不可测变量,推导出其辅助模型增广随机梯度辨识算法;再引入新息长度扩展标量新息为新息向量,提出了基于辅助模型的MISO系统多新息增广随机梯度辨识算法。所得算法在每一次的迭代中不仅使用了当前数据和新息,而且使用了过去数据和新息,提高了参数估计精度和收敛速度。仿真例子验证了算法的有效性。     

MISO系统辅助模型多新息增广随机梯度算法

对于有色噪声干扰的输出误差多输入单输出(MISO)系统,常规的递推最小二乘辨识方法给出的参数估计是有偏的.为了提高随机梯度辨识方法的收敛精度和速度,用辅助模型的输出代替辨识模型信息向量中的未知不可测变量,推导出其辅助模型增广随机梯度辨识算法;再引入新息长度扩展标量新息为新息向量,提出了基于辅助模型的MISO系统多新息增广随机梯度辨识算法.所得算法在每一次的迭代中不仅使用了当前数据和新息,而且使用了过去数据和新息,提高了参数估计精度和收敛速度.仿真例子验证了算法的有效性.     

质子交换膜燃料电池的分数阶非线性状态空间模型研究

针对质子交换膜燃料电池(PEMFC)发电过程中的分数阶和非线性特性,本文提出了一种分数阶子空间辨识方法建立了PEMFC非线性状态空间模型.首先,为了降低建模复杂度,采用典型相关分析法和相关分析法确定了模型输入变量;其次,将分数阶微分理论与Hammerstein模型子空间辨识方法相结合,采用Poisson矩函数对输入输出数据进行预处理,构造了子空间辨识方法的输入输出矩阵,并引入分数阶短时记忆法减少辨识算法计算量;最后,选取多项式作为Hammerstein模型前端静态非线性环节,采用模糊遗传算法优化系统分数阶阶次和系数矩阵.仿真结果验证了算法的有效性,改进的辨识算法可以明显减小计算时间,所得PEMFC辨识模型能够准确地描述PEMFC的动态过程.     

基于MATLAB的时间序列建模与预测

该文介绍了MATLAB系统辨识工具箱在时间序列方面的应用。首先叙述了动态数据的分析与处理方法,时间序列模型阶次的判定及建模过程,然后给出了利用Matlab系统辨识工具箱对时间序列进行数据预处理,相关分析,ARMA模型参数估计,以及预报的方法和步骤,最后使用该方法对某水厂日供水量进行预测,结果说明该方法具有极强的实践意义。     

利用自回归模型的平稳时序数据快速辨识算法

由于自回归模型的参数估计可归结为求解一个线性方程组的问题,故其在平稳时序数据的辨识过程中具有广泛的应用场合。提出了一种基于自回归模型的快速辨识算法,首先,以递推的方式对平稳时序数据自相关函数矩阵的秩的下界值进行估计,然后,以该估计值作为自回归模型的起始阶数对系统进行依次的递阶辨识,最后,基于F检验对相邻阶次的拟合误差的变化趋势进行显著性检验,并以检验结果作为算法的结束条件。新算法在保证较高辨识精度的条件下,其计算效能及辨识精度的稳定性均优于现有的自回归模型辨识算法,实验结果验证了新算法的有效性和先进性。     

UD分解与偏差补偿结合用于变量带误差模型辨识

本文提出一种基于UD(upper-diagonal)分解与偏差补偿结合的辨识方法,用于变量带误差(errors-in-variables,EIV)模型辨识.考虑单输入单输出(single input and single output,SISO)线性动态系统,当输入和输出含有零均值、方差未知的高斯测量白噪声时,该类系统的模型参数估计是一种典型的EIV模型辨识问题.为了获得这种EIV模型参数的无偏估计,本文先推导出最小二乘模型参数估计偏差量与输入输出噪声方差以及最小二乘损失函数与输入输出噪声方差的关系,然后采用UD分解方法递推获得模型参数估计值,再利用输入输出噪声方差估计值补偿模型参数估计偏差,以此获得模型参数的无偏估计.本文还讨论了算法实现过程中遇到的一些问题及修补方法,并通过仿真例验证了所提辨识方法的有效性.     

态空间系统的梯度优化辨识及收敛性分析*

为解决状态空间系统的预报误差与系统参数之间的非线性、非凸性给参数估计带来的困难,提出了状态空间系统的梯度优化辨识方法。分析了基于局部线性化的梯度辨识原理,给出了基于QR分解、奇异值分解(SVD)确定参数搜索方向的实现方案,得到了估计系统参数的迭代辨识算法。探讨了算法的收敛性、给出了算法收敛速度的解析表达式,最后进行了数值仿真,实验结果说明了所提出方法的有效性。     

Identification of a toroidal continuously variable transmission using continuous-time system identification methods

This paper deals with the identification of a toroidal continuously variable transmission (T-CVT). The model describing the T-CVT system is a model with exogenous time-varying parameters and, in order to facilitate the parameter estimation, the complete T-CVT model is split into two sub-models. The parameters of the first sub-model are estimated with the Poisson moment functionals (PMF) method around several operating points, while the parameter of the second sub-model, reduced to a pure integrator, is estimated with the linear integral filter (LIF) method. These two methods belong to the continuous-time system identification methods. The complete T-CVT model accuracy is finally verified with experiments carried out with a test-bed and an actual vehicle.     

基于移动数据窗的传递函数多新息随机梯度辨识方法

一些工业过程可以近似用一个传递函数描述,结合统计辨识方法和非线性优化策略提出传递函数参数辨识方法.该方法采用动态数据方案,使用系统观测数据获得系统更多的模态信息.基于动态观测数据,提出传递函数随机梯度参数辨识方法.为进一步提高辨识精度,利用动态窗数据将随机梯度参数辨识方法中的标量新息扩展为新息向量,提出传递函数多新息随机梯度参数估计方法.最后通过仿真例子对所提出的方法进行了性能分析和模型验证.     

CAD package for industrial process identification

A CAD system for off-line industrial process identification is presented. The system has two modules. In the first data acquisition is performed. The second performs the process identification procedure. The functions and facilities of these methods are described, which include: the configuration of the data acquisition procedure to be performed, preliminary data analysis, model structure and parameter estimation method selection, time varying parameter estimation and model validation. An industrial application in petrochemical process identification is presented.     

Practical aspects of process identification

After the presentation of various identification and parameter estimation methods in the previous papers, some selected practical aspects of process identification are discussed. This includes, for a given identification method, the steps from the design of experiments to the verification of the final model. Therefore a general procedure of process identification, the selection of input signals, the selection of the sampling time, off-line and on-line identification, comparison of parameter estimation methods, model order testing and model verification is presented. A short discussion on program packages for process identification follows.     

Time-varying parametric system multiresolution identification by wavelets

In this paper, the problem of time-varying parametric system identification by wavelets is discussed. Employing wavelet operator matrix representation, we propose a new multiresolution least squares (MLS) algorithm for time-varying AR (ARX) system identification and a multiresolution least mean squares (MLMS) algorithm for the refinement of parameter estimation. These techniques can achieve the optimal tradeoff between the over-fitted solution and the poorly represented identification. The main features of time-varying model parameters are extracted in a multiresolution way, which can be used to represent the smooth trends as well as track the rapidly changing components of time-varying parameters simultaneously and adaptively. Further, a noisy time-varying AR (ARX) model can also be identified by combining the total least squares algorithm with the MLS algorithm. Based on the proposed AR (ARX) model parameter estimation algorithm, a novel identification scheme for time-varying ARMA (ARMAX) system is presented. A higher-order time-varying AR (ARX) model is used to approximate the time-varying ARMA (ARMAX) system and thus obtain an initial parameter estimation. Then an iterative algorithm is applied to obtain the consistent and efficient estimates of the ARMA (ARMAX) system parameters. This ARMA (ARMAX) identification algorithm requires linear operations only and thus greatly saves the computational load. In order to determine the time-varying model order, some modified AIC and MDL criterions are developed based on the proposed wavelet identification schemes. Simulation results verify that our methods can track the rapidly changing of time-varying system parameters and attain the best balance between parsimonious modelling and accurate identification.     

基于混合进化策略的非线性系统辨识

进化策略是一类适用于非线性、不可微和多峰值复杂函数的优化方法。提出了基于混合进化策略的非线性系统辨识方法。方法的基本思想是将非线性系统辨识问题转化为参数空间上的函数优化问题,然后应用一种新的混合进化策略对整个参数空间进行搜索以获得系统参数的最优估计。仿真结果显示了该方法的有效性。     

基于改进粒子群算法的Hammerstein模型辨识

提出辨识非线性Hammerstein模型的新方法。将非线性系统的辨识问题转化为参数空间上的函数优化问题,采用粒子群算法获得该优化问题的解。为了进一步增强粒子群优化算法的辨识性能,提出采用速度变异粒子群对整个参数空间进行搜索得到系统参数的最优估计。仿真结果验证了该方法的有效性。