增广递推最小二乘辨识精度的研究

以带有有色噪声的CARMA模型为例,分析了在干扰项参数辨识当中,误差较大的原因以及影响辨识误差的因素,并利用二次辨识的思想提出了一种提高辨识精度的方法。通过此方法并结合一个具体实例,给出了Matlab仿真辨识的结果。仿真结果表明,经过二次辨识的参数更接近真实值。     

电机动态参数的鲁棒最小二乘辨识方法研究

最小二乘常用于辨识电机参数的动态变化,对于电机的精确控制至关重要。工况条件下的电流、电压采样都包含大量噪声,电机模型中的求导操作进一步放大了噪声,导致最小二乘的信息矩阵奇异,辨识结果出现很大偏差。为提高辨识方法的噪声鲁棒性,提出了两种思路。一是用三次样条拟合采样信号,然后求解其一阶和二阶导数,可防止高频噪声在求导过程中被继续放大。二是采用岭回归估计取代最小二乘估计,避免矩阵求逆出现病态结果,消除信息矩阵奇异性的影响。基于半实物仿真的实测数据表明,两种改进方法均可获得更加合理可靠的辨识结果。     

基于最小二乘法的电力变压器参数辨识算法

根据变压器的Y/△接线方式,分别列写回路方程,消去三角形侧绕组中的环流和公共磁链的影响.这种方式无需改变三角形侧TA配置,直接利用三角形侧线电流构建了变压器绕组的电阻和电感参数辨识算法,利用带动态遗忘因子的最小二乘法,消除了最小二乘法"数据饱和"的影响.应用EMTP进行了仿真,结果表明,参数辨识算法稳定,不受负荷波动以及功率因数变化的影响,辨识精度较高.     

最小二乘法在系统辨识中的应用

系统辨识在工程中的应用非常广泛,系统辨识的方法有很多种,最小二乘法是一种应用极其广泛的系统辨识方法.阐述了动态系统模型的建立及其最小二乘法在系统辨识中的应用,并通过实例分析说明了最小二乘法应用于系统辨识中的重要意义.     

离散系统参数自适应辨识的最小二乘正交变换方法

基于最小二乘法在消除干扰方面的应用,应用矩阵变换及数值拟合的原理,充分考虑随机信号的影响,给出了一种正交变的离散差分模型自适应辨识方法,它能自动判别模型的阶,还能体现模型参数随信息更新的而实时更新的动态过程,提出了渐近消除记忆的时变离散系统参数自适应辨识方法。     

互连电力系统自适应紧急控制 I：等值模型的多步递归最小二乘辨识

本文提出一种互连电力系统紧急状态等值模型的多步递归最小二乘辨识方法。只需要局部测量，该方法就能估计互连电力系统等值两机模型参数（惯性常数、阻尼系数、内电势、相对功角和相对角速度）和联络线电抗．换言之，在线估计紧急状态下互连电力系统的平衡点和系统状态是可能的．所估计的模型能用于各种紧急状态控制和别的方面．用一个四机系统的仿真计算证明了多步最小二乘辨识的有效性．     

输出非线性方程误差类系统递推最小二乘辨识方法

随着控制技术的发展,控制对象的规模越来越大,使得辨识算法的计算量也越来越大.对于结构复杂的非线性系统,特别是包含未知参数乘积的非线性系统,使得过参数化辨识方法的参数数目大幅度增加,辨识算法的计算量也急剧增加,因此探索计算量小的参数估计方法势在必行.针对输出非线性方程误差类系统,讨论了基于过参数化模型的递推最小二乘类辨识方法;为减小过参数化辨识算法的计算量和提高辨识精度,分别利用分解技术和数据滤波技术,研究和提出了基于模型分解的递推最小二乘辨识方法和基于数据滤波的递推最小二乘辨识方法.最后给出了几个典型辨识算法的计算量、计算步骤、流程图.     

超级电容动态参数等效电路模型及实时辨识方法

针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识.进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识.搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性.结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08和3.56个百分点.     

带约束最小二乘估计的分布

给定正态最小二乘线性模型Y=Xβ+ε,E(ε)=0、E(εε’)=σ~2V,V满秩,在线性不等约束条件下,本文证明了带不等约束最小二乘估计服从正态分布。     

Hammerstein系统递推辨识的自适应算法

采用最小二乘支持向量回归对Hammerstein系统进行辨识缺乏稀疏性,且模型不易递推.提出一种基于输出预报误差的Hammerstein模型自适应稀疏递推辨识算法.根据分块矩阵对模型进行递推运算,基于系统输出预报误差的结果,自适应调整算法的辨识步骤,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性.仿真结果表明,与常规的递推算法相比,该自适应算法能够在保证辨识精度的情况下,有效稀疏和简化模型,提高算法的鲁棒性和辨识效率,更加符合系统在线辨识的需要.     

带输入端干扰系统的两步最小二乘辨识算法

本文针对带输入端干扰的系统，提出了一种新型的两步最小二乘辨识算法，详细论证了这种算法的理论基础并给出了算法的实现方法，数值仿真研究表明了该算法的有效性及其一些性质。     

类多变量输出误差系统的耦合多新息辨识方法

辅助模型辨识思想、多新息辨识理论、耦合辨识概念是研究复杂多变量系统辨识的新理念和原理.将它们结合起来研究类多变量输出误差系统的辨识问题,提出了多元辅助模型辨识方法、多元辅助模型多新息辨识方法、变递推间隔多元辅助模型多新息辨识方法.为减小算法的计算量和提高参数估计精度,将系统模型分解为一些子辨识模型,应用辅助模型辨识思想、多新息辨识理论、耦合辨识概念,研究和推导了部分耦合辅助模型辨识方法、部分耦合辅助模型多新息辨识方法.讨论了几个典型辨识算法的计算量,给出了参数估计的计算步骤和计算流程图.     

6腿支撑液压式平台自动调平算法

为了实现6腿支撑液压大吨位平台的计算机控制自动调平，参照Stewart并联机构，将高次静不定平台结构转化为静定结构。通过对平台机构运动学和动力学分析，得到关于平台腿长、液压缸速度、加速度、驱动力的计算机参数化调平算法。基于测量结果，给出平台自动调平的运动规划。算例表明，算法正确，调整过程合理，参数化自动平算法既可作为调平闭环控制的依据，也为平台液压缸的结构设计、功率选择提供了定量参考。     

一种新的T-S模型混合辨识算法

提出一种新型混合辨识算法HIA,以解决传统T-S模型辨识方法中所存在的不完全优化问题,如FCM与最小二乘法相结合的辨识方法就存在这样的问题.HIA通过将FCM、和声搜索算法以及最小二乘法相结合,并引入了误差反馈机制,以实现对所有参数的整体优化,并避免陷入局部极小点.论文将HIA应用到陀螺稳定平台的T-S模型辨识中,通过...     

多元系统耦合多新息随机梯度类辨识方法

针对多元线性回归系统,利用耦合辨识概念和多新息辨识理论,讨论了多元随机梯度算法、多元多新息随机梯度算法,以及变递推间隔多元多新息梯度算法,进一步分解多元系统为一些子系统,给出了耦合子系统随机梯度算法、耦合随机梯度算法、耦合子系统多新息随机梯度算法、耦合多新息随机梯度算法,并将这些方法推广到多元伪线性滑动平均系统和多元伪线性自回归滑动平均系统.文中给出了几个典型耦合随机梯度算法、耦合多新息随机梯度算法的计算步骤和示意图.     

多元伪线性回归系统部分耦合多新息随机梯度类辨识方法

针对多元伪线性滑动平均系统,讨论了多元增广随机梯度算法,为减小算法的计算量,将系统分解为一些子系统,给出了子系统增广随机梯度算法,利用耦合辨识概念和多新息辨识理论,推导了部分耦合(子系统)增广随机梯度算法、部分耦合(子系统)多新息增广随机梯度算法.进一步将提出的方法推广到多元伪线性自回归滑动平均系统,给出了部分耦合(子系统)广义增广随机梯度算法、部分耦合(子系统)多新息广义增广随机梯度算法.文中分析了多元增广随机梯度算法、部分耦合增广随机梯度算法、部分耦合多新息增广随机梯度算法的计算量.     

用于系统能效动态评估的异步电机参数辨识

为了能够有效地利用等效电路法对电机系统能效进行实时的动态评估,提出一种将递推最小二乘法与模型参考自适应法相结合的异步电机参数在线辨识方法,实时获取异步电机参数,并利用等效电路完成电机能效动态评估。以一台5.5 kW异步电机为例进行了仿真与实验研究,结果表明,提出的电机参数辨识方法能够准确辨识电机参数,且具有计算量少、准确度高以及较好的动态跟踪辨识性能;利用参数辨识方法获取电机参数,运用等效电路法评估出电机的能效水平,并与实测效率进行对比,进一步验证了文中提出的异步电机参数在线辨识方法的正确性与可行性。     

低阶加纯滞后对象参数辨识方法

针对低阶加纯滞后对象,提出了通过递推自动调整遗忘因子最小二乘法辨识对象的动态参数,对输入、输出信号进行滤波后,利用先验知识对输出信号作还原处理,得到新的输出信号,增大输入、输出信号之间的相关性,根据互相关函数和性能函数相联合方法辨识对象的滞后参数。仿真结果表明,该方法对于低阶加纯滞后对象参数辨识是有效的,且具有算法简便快捷,实用性强的特点。