非线性系统未知时变参数的模型算法学习辨识

针对一类非线性系统的未知时变参数,提出了一种模型算法学习辨识方法。该方法主要是利用系统模型估计出了辨识参数的偏差,利用这一参数偏差的估计来修正辨识参数,不断进行迭代。并严格证明了系统经过迭代学习后,辨识器的输出能够完全跟踪参数真值,同时得到了该算法收敛的范数形式充分条件。该方法不仅可以实现非线性系统未知时变参数在有限时间区间上的完全辨识,而且还克服了传统迭代学习辨识器中凭借经验选取学习增益的盲目性,加快了参数辨识器的收敛速度。仿真结果验证了该方法的有效性。     

一类结构已知的非线性系统辨识

本文针对带有已知结构的非线性Wiener系统，提出了利用不同幅值的周期脉冲信号辨识非线性增益未知参数和脉冲响应序列的新方法，获得了强一致性估计，数字仿真研究说明了该方法的有效性和实用性。     

一类非线性系统稳态模型辨识方法

针对一类非线性系统，本文提出了一种辨识其稳态模型的新方法，并得到了稳态模型的强一致性估计。识输入信号为优化过程中设定点的正常阶跃变化信号，本文还研究了估计残差的渐近分布和残差收敛速度，最一的计算机数字仿真显示了该方法的有效性和实用性。     

正交多项式法用于时变非线性分布参数系统的辨识

利用正交多项式序列与Ｔａｙｌｏｒ级数之间的线性关系,给出了精确的乘积系数矩阵的定义及乘积变换式。利用正交多项式序列的正交性及微分算子矩阵,论述了时变非线性分布参数系统参数估计的正交多项式法。     

非线性时变系统的控制

针对变质量水下航行体提出了一种采用两级ＰＩＤ调节，控制参数随水下航行体质量和速度变化而进行优化处理的参数自适应控制方法，旨在解决水下航行体非线性参数时变问题，以便进一步提高水下航行体的航行性能。     

时变参数系统的自适应Kalman滤波在水文预报中的应用

用时变参数系统的自适应Kalman滤波预报方法,对时间序列模型进行最优和次优预报,用于解决河流年最大洪峰流量时变参数系统的自适应预报问题,通过松花江哈尔滨水站年最大洪峰流量的实例计算表明,其预报效果良好。     

基于小波分解的时变系统辨识方法研究

传统的模型辨识方法不适合参数变化较快的时间变系统的辨识,因此提出了基于小波分解的线性时变系统的辨识模型描述以及辨识算法,仿真结果证明了这种辨识方法的有效性。     

神经网络在非线性系统动态辨识中的应用

本文采用一定区间内的随机数激励非线性系统，以取得样本函数作为教师信号训练神经网络，对非线性系统进行动态辨识。计算结果表明，这样建立起来的动力不模型对于各种非教师信号的有较好的适应性。     

基于TVAR模型的语音增强技术

在分析语音信号的时变自回归TVAR(Time VaryingAutoregressive)模型及其模型参数的随机演化模型的基础上,基于粒子滤波器(ParticleFilter)对TVAR模型参数的序列估计,提出了一种语音增强算法.算法通过引入反射系数,快速简捷实现了模型稳定性的判断,保证了跟踪的模型的稳定性.实验结果表明,算法可以很好地跟踪非平稳信号,采用该方法处理过的语音,信噪比SNR(Signal to NoiseRatio)明显提高,听觉质量得到了很大的改善.     

基于高阶神经网络扩展卡尔曼滤波器算法的非线性动态系统辨识

针对非线性动态系统辨识 ,采用高阶神经网络和径向基函数网络相结合的方法 ,神经网络的连接权值可作为系统的未知参数 ,用扩展卡尔曼滤波器 (EKF)算法来估计 ,确保了该方法的快速收敛 .具体模型的仿真结果表明该方法能快速收敛 ,并能方便的用于在线辨识 .     

渥尔特拉最佳滤波器及其应用于非线性系统辨识

在一般最佳滤波器的基础上研究了渥尔特拉最佳滤波器及其应用于非线性系统辨识问题,并给出了辨识计算方法和应用由该算法编制的程序的辨识算例.     

基于RBF网络的非线性动力系统辨识方法的改进

基于资源分配网络（ＲＡＮ）的增长标准并结合隐单元的修剪 策略,提出了同时具有增长及修剪功能的径向基函数（ＲＢＦ）网络结构学习方案。利用该方案进行了非线性时间序列的建模以及振动系统中的未知非线性力的识别。结果表明：提出的网络结构８学习算法是有效的;ＲＢＦ网络对非线性时间序列具有很高的建模精度 ;振动系统未知非线性力的神经网络识别法是可行的。     

基于时变时延辨识的双向遥操作控制方法

遥操作中通信时延的时变性一直是遥操作控制中的难点。为了解决此问题,首先分析了遥操作中通信时延变化的原因,然后针对这种时变时延给出了一种能够快速跟踪时变时延参数的在线辨识方法,最后给出了一种专门针对遥操作中时变时延的控制方法。仿真结果证明了控制方法的有效性。     

期望轨迹可变的非线性时变系统迭代学习控制

针对一类存在扰动的未知非线性时变系统,提出了一种在不同次迭代运行过程中期望轨迹可变的迭代学习控制算法.该算法首先构造含未知参数项的系统逆控制,然后利用小波级数逼近逆系统的未知非线性参数,其最佳逼近系数与系统的期望轨迹无关,最后在迭代过程中通过学习的方法修正小波逼近系数,并采用变结构技术抑制系统干扰的影响,设计了在期望轨迹变化情况下的鲁棒迭代学习控制律.算法的收敛性分析表明,随着迭代次数的增加,逼近系数与最佳系数的差异减小.针对机械臂系统的仿真表明轨迹跟踪误差逐次减小并收敛,说明了算法的有效性.     

Support vector machine based nonlinear model multi-step-ahead optimizing predictive control

1INTRODUCTION Modelpredictivecontrol(MPC)isaclassof controlalgorithmsinwhichadynamicprocessmodelisusedtopredictandoptimizeprocessper formance[1].Becausemanyindustrialprocessesare intrinsicallynonlinear,especiallyintwocases[2]:strongnonlinearregulatorcontrolproblemsand servocontrolproblemswithfrequentchangesof operatingpoints.Nonlinearmodelpredictivecon trol(NMPC)techniquesshouldbedevelopedto overcometheeffectofthehardnonlinear.Re cently,someNMPCalgorithmshavebeenputfor ward,whicharema…     

Active fault tolerant control using multi-models based on RBF inverse system internal model

为了对一类非线性系统执行器时变故障进行有效诊断,研究了一种基于变增益扩张状态观测器的逆系统故障调节方法. 首先,通过一种时变增益的设计方法,来改进传统的恒增益扩张状态观测器,有效消除了在状态及故障估计初始阶段的“峰值”问题;其次,在依据故障估计值对原系统进行补偿调节的基础上,借助于逆系统的引入,对原非线性系统线性化,在使系统能对故障容错的同时,确保了系统无论故障发生与否的不变伪线性特性,进而又为其设计了鲁棒保性能控制,从而以不变的控制器使得系统始终具有了良好的性能及对逆建模误差的鲁棒性;最后,仿真算例对比验证了该方法的有效性.

     

基于非线性滤波的风廓线雷达数据处理

针对实际工程中风廓线雷达风向、风速随高度分布取值的非线性特性以及非气象干扰因素,基于非线性化方法———扩展卡尔曼滤波法,对风廓线雷达探测数据进行滤波处理.先利用泰勒展开式的一次项对非线性方程作线性化处理,再结合经典的卡尔曼滤波进行滤波估计,将非线性滤波问题转化为一个近似的线性滤波问题.仿真实验结果表明,该方法可以有效去除风场数据中掺杂的噪声干扰,很好地发挥了其非线性特性,滤波效果优于传统的卡尔曼滤波,具有一定的工程应用前景.     

Guaranteed cost sampled-data control for uncertain nonlinear time-varying delay system

The robust guaranteed cost sampled-data control was studied for a class of uncertain nonlinear systems with time-varying delay. The parameter uncertainties are time-varying norm-bounded and appear in both the state and the input control matrices. By applying an input delay approach, the system was transformed into a continuous time-delay system. Attention was focused on the design of a robust guaranteed cost sampled-data control law which guarantees that the closed-loop system is asymptotically stable and the quadratic performance index is less than a certain bound for all admissible uncertainties. By applying Lyapunov stability theory, the theorems were derived to provide sufficient conditions for the existence of robust guaranteed cost sampled-data control law in the form of linear matrix inequalities (LMIs), especially an optimal state-feedback guaranteed cost sampled-data control law which ensures the minimization of the guaranteed cost was given. The effectiveness of the proposed method was illustrated by a simulation example with the asymptotically stable curves of system state under the initial condition of x(0)=[0.679 6 0].