一类系统参数辨识的按段多重一般正交多项式方法

本文介绍了按段多重一般正交多项式系及其基本性质,并把它们应用于参数可分离系统的参数辨识.由于采用了按段低阶正交多项式多重逼近技术,该方法具有计算量少、结果精度高、可递推计算及不需要被辨识参数的初始估计等优点.本文提出了两个算法,并成功地应用于发酵过程细菌生长动力学模型的参数辨识.     

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.     

直接辨识扰动模型的内模极点配置自适应控制

给出了直接在辨识器中估计扰动模型和过程模型参数的算法,扰动模型用于极点配 置自适应控制,根据内部模型原理消除未知确定扰动.由于使用了与常规方法不同的观测向 量,因而省去了分离扰动模型的计算过程.这种方法可适用于多个扰动频率的情况,且辨识器 的阶数不超过常规辨识器.分析了参数的可辨识性和系统的稳定性.     

一类有输入噪声扰动的逆系统无偏参数辨识算法研究

对逆系统建模时,原系统的输出作为逆系统参数辨识时的输入.由于原系统输出存在测量噪声,且噪声方差未知,采用普通最小二乘法辨识,无法得到逆系统参数的一致无偏估计.为此,本文研究了一种有输入扰动的的逆系统无偏参数辨识算法,该算法先通过小波变换估计输入信号噪声的方差,再由估计得到的方差,通过偏差消除的递推最小_乘法,对逆系统的参数进行无偏辨识.该算法降低了对输入辨识信号为白噪声的要求,具有较强的实用性.由于采用递推运算,该算法也可以用于逆系统参数的在线辨识.最后,通过实验验证了该算法的有效性.     

线性多变量系统的联合辨识算法

本文提出了同时估计线性多变量系统所有参数的联合辨识算法(CIA),并用随机过程理论分析了算法的收敛性。与子系统辨识算法(SSIA)相比,CIA的计算量要小得多。各输出间存在相互作用噪声时的辨识问题通过使用递推广义增广最小二乘法(RGELA)得到解决。数字仿真结果表明了CIA的有效性。     

模型在线辨识方法及其应用

本文提出了一种有效的非线性模型和参数在线估计方法。为了实现模型在线辨识，本文根据误差性能指标，给出了模型判据及计算式。根据递推加权最小二乘算法和优选判据，导出了模型和参数同时在线估计的有效算法。为了提高计算效率和数值稳定性，模型辨识和参数辨识均采用了Ｕ－Ｄ分解方法。新方法可用于飞行器非线性气动模型和参数的实时估计。实际应用结果表明，使用该方法可以有效地确定多项式、样条函数模型结构，参数辨识的结果满     

一类非线性系统参数辨识的新方法及其在生化发酵过程建模中的应用

本文运用按段多重Legendre多项式系(PMLP)[1],对一类参数可分离的非线性系统的 参数辨识给出一种新方法,所提算法具有精度高、计算量小、不必具有待辨识参数的先验知识 和可进行递推辨识等优点.该算法已成功地应用于只有少量实测数据的螺旋霉素菌体生长模 型的动力学参数的辨识.结果表明,此算法是该类非线性系统的一种有效和简便的参数辨识 方法.     

一种闭环条件下的多变量系统辨识方法

为得到带有色噪声的闭环多变量系统参数无偏估计,提出两阶段随机梯度辨识算法,此算法利用中间模型将闭环问题转化成两个开环问题,并基于随机梯度算法和递阶辨识原则,用最速下降法极小化预测误差准则来得到参数估计.算法只需一个测试信号,不需要控制器的先验知识,计算简便,能获得满意的结果,适用于闭环多变量系统的在线辨识.     

基于残差方差的系统阶次和参数辨识算法

系统辨识的研究一般是将系统的阶次辨识和参数估计分开的,但实际应用过程中这两个问题又是紧密相关的。有的模型阶次辨识过程是伴随着模型的参数估计,因此可以对这类阶次辨识方法同参数估计的方法进行融合和扩展。针对输出误差系统,借助辅助模型推导出基于残差方差递推算法,利用该算法辨识出了模型的阶次和参数,减少了传统系统辨识过程的计算量和辨识时间。     

时变参数遗忘梯度估计算法的收敛性

提出了时变随机系统的遗忘梯度辨识算法,并运用随机过程理论研究了算法的收敛 性.分析表明,遗忘梯度算法的性能类似于遗忘因子最小二乘法,可以跟踪时变参数,但计算量 要小得多,且数据的平稳性可以减小参数估计误差上界和提高辨识精度.阐述了最佳遗忘因子 的选择方法,以获得最小参数估计上界.对于确定性时不变系统,遗忘梯度算法是指数速度收 敛的;对于时变或时不变随机系统,遗忘梯度算法的参数估计误差一致有上界.     

Subspace identification of circulant systems

This article concerns the identification of a class of large scale systems called “circulant systems”. Circulant systems have a special property that allows them to be decomposed into simpler subsystems through a state transformation. This property has been used in literature for control design, and here we show how it can be used for system identification. The approach that is proposed here will both reduce the complexity of the problem as well as provide models which have a circulant structure that can be exploited for control design. A novel identification algorithm for circulant systems based on subspace identification is presented. The algorithm is then tested in simulation on an academic example of circulant system and on a realistic finite element model of a vibrating plate.     

基于随机分布理论的递推子空间辨识

在实际生产过程中,采用传统子空间辨识法建立的离线模型并不能有效准确地跟踪系统的动态变化;奇异值分解等线性代数工具虽然增加算法的数值鲁棒性,但也相应增加了子空间辨识的在线递推困难.为解决上述问题,本文针对连续时间系统提出基于随机分布理论的递推子空间辨识方法.首先,通过随机分布理论构建系统的连续随机分布函数,并利用微分计算获得系统等价的输入输出矩阵方程.然后,采用将输入输出数据矩阵"R"规模固定的方法,达到数据压缩的目的.最后,通过最小二乘法和残差分析法递推更新模型的系统矩阵和噪声强度直至达到辨识要求.仿真结果验证了所提方法的有效性和精确性.     

An efficient hierarchical identification method for general dual-rate sampled-data systems

For the lifted input–output representation of general dual-rate sampled-data systems, this paper presents a decomposition based recursive least squares (D-LS) identification algorithm using the hierarchical identification principle. Compared with the recursive least squares (RLS) algorithm, the proposed D-LS algorithm does not require computing the covariance matrices with large sizes and matrix inverses in each recursion step, and thus has a higher computational efficiency than the RLS algorithm. The performance analysis of the D-LS algorithm indicates that the parameter estimates can converge to their true values. A simulation example is given to confirm the convergence results.     

多种燃料锅炉效率曲线的辨识方法

多种燃料锅炉的运行优化是钢铁联合企业节约能源的一个主要方法,但是这种锅炉的效率曲线的辨识却是一个复杂而困难的非线性最小二乘问题。借鉴大系统递阶算法的思想,本文提出了一种新的两级递阶辨识的算法。这种算法通过预估关联量,将非线性最小二乘问题转化为两级线性最小二乘问题。实验的结果证明:这种算法是一种有效的算法。     

Parameter estimation for block‐oriented nonlinear systems using the key term separation

This article considers the parameter estimation problems of block‐oriented nonlinear systems. By using the key term separation, the system output is represented as a linear combination of unknown parameters. We give a key term separation auxiliary model gradient‐based iterative (KT‐AM‐GI) identification algorithm and propose a key term separation auxiliary model three‐stage gradient‐based iterative (KT‐AM‐3S‐GI) identification algorithm by using the hierarchical identification principle. Meanwhile, the multiinnovation theory is used to derived the key term separation auxiliary model three‐stage multiinnovation gradient‐based iterative (KT‐AM‐3S‐MIGI) algorithm. The analysis shows that compared with the KT‐AM‐GI algorithm, the KT‐AM‐3S‐GI algorithm can improve the parameter estimation accuracy and reduce the computational burden. In addition, the KT‐AM‐3S‐MIGI can give more accurate parameter estimates than the KT‐AM‐3S‐GI algorithm and can track time‐varying parameters based on the dynamical window data. This work provides a reference for improving the identification performance of multiinput nonlinear output‐error systems or multivariable nonlinear systems. The simulation results confirm the effectiveness of the proposed algorithm.     

多变量系统的耦合梯度辨识算法与性能分析

针对多变量系统维数大、参数多、一般的辨识算法计算量大的问题, 基于耦合辨识概念, 推导多变量系统的耦合随机梯度算法, 利用鞅收敛定理分析算法的收敛性能. 算法的主要思想是将系统模型分解为多个单输出子系统,在子系统的递推辨识过程中, 将每个子系统的参数估计值耦合起来. 所提出算法与最小二乘算法和耦合最小二乘算法相比, 具有较少的计算量, 收敛速度可以通过引入遗忘因子得到改善. 性能分析表明了所提出算法收敛, 仿真实例验证了算法的有效性.

     

Multivariable frequency-response curve fitting with application to modal parameter estimation

This paper presents a computational approach for the frequency-domain identification of multivariable, discrete-time transfer function models based on a cost function minimization. The algorithm is optimized for the parametric characterization of complex high-order multivariable systems requiring a large number of model parameters, including sparse matrix methods and QR-projections for the reduction of computation time and memory requirements. The algorithm supports a multivariable frequency-dependent weighting, which generally improves the quality of the transfer function model estimate. The overall approach is successfully demonstrated for a typical case encountered in experimental structural dynamics modelling (using modal analysis) and compared with related algorithms in order to assess the gain in computational efficiency.     

衰减激励条件下递阶最小二乘辨识的均方收敛性

为减少递推辨识的计算量，提出了递阶辨识原理，它是将系统分解为多个维数较小的虚拟子系统进行辨识，从而获得递阶最小二乘辨识方法。在衰减激励条件下，针对时不变系统研究了递阶最小二乘法的收敛性，得到了参数估计误差均方收敛于零时衰减指数应满足的条件。递阶最小二乘具有良好的性能，其计算量比递推量小二乘辨识要小得多，并具有容易实现等优点。     

Identification of large scale distributed parameter systems—some simplifications in the multidimensional Poisson moment functional (MDPMF) approach

This paper is concerned with two practically important aspects of identification of large scale distributed parameter systems by the multidimensional Poisson moment functional (MDPMF) method (Saha and Prasada Rao 1980). The existing methods of (i) development and diagrammatic representations of the relations among the MDPMFs of partial derivative terms and those of the original multivariable function, and (ii) elimination of the effects of boundary functions and their partial derivatives from the identification equations, become extremely unwieldy as the order and dimensions of the model increase. This paper suggests alternative techniques in these two situations, leading to a simplification of the algorithm and an enormous reduction of the related analytical and computational burden. In the former situation, the suggested alternative uses the concept of separated variables. In the latter, the boundary function effects are estimated and then inserted into the algorithm to simplify it.     

基于适应性相关测试和点斜式查表求交的圆形窗口快速裁剪方法

在智能CAD、图形识别与理解等复杂图形应用系统中,由于图元数量多、 图元间关系复杂,且系统实时交互响应要求较高,现有圆形窗口裁剪算法较难满足要求。为 此提出圆形窗口对线段的一种新的快速裁剪算法。该算法由基于切线分隔的圆外线段快速适 应性测试方法、基于最小范围的圆内线段测试方法和基于点斜式查表的线段与窗口圆快速求 交方法三部分组成。通过按端点位置选择适应的测试方法、尽量避免不必要的操作、尽量以 简单操作代替复杂操作等措施,大大提高了圆形窗口对线段的裁剪速度。在图形识别及智能 CAD 等应用中的实验结果表明,采用文中算法可较大地提高效率。