只估计AR参数的ARMA(p,q)谱估计的新算法

本文提出一种估计自回归AR参数的新算法.新算法采用递推Householder变换算法. 文中给出了ARMA(4,4)仿真计算例子及两个正弦加白噪声的仿真计算结果,并与最小二乘 法的计算结果进行了比较.结果表明新算法在分辨率和估计质量方面均优于最小二乘法和已 有的谱估计方法,也说明用提高算法稳定性的方法可解决负谱问题和提高谱估计质量.     

ARMA模型的最小二乘格型迭代递推辨识法

本文介绍了ARMA模型的格型迭代法,并以在格型算法中具有最快收敛速率的最小二乘格型算法为基础获得了 ARMA模型最小二乘格型迭代递推辨识法。针对此算法最小二乘格型迭代递推辩识法计算机模拟辨识表明,该方法具有较好的辨识性能,且有一定的抗噪能力。     

水轮机传递参数在线辨识

针对水轮机的六参数模型,本文利用最小二乘法的思想对水轮机模型参数进行辨识,推导了参数在线辨识算法。通过仿真,得到了较好的辨识结果。在此辨识结果的基础上,可以在线整定控制器的控制参数,实现自适应控制。     

基于核自适应滤波器的时间序列在线预测研究综述

核自适应滤波器(Kernel adaptive filter, KAF)是时间序列在线预测的重点研究领域之一, 本文对核自适应滤波器的最新进展及未来研究方向进行了分析和总结. 基于核自适应滤波器的时间序列在线预测方法, 能较好地解决预测、跟踪问题. 本文首先概述了三类核自适应滤波器的基本模型, 包括核最小均方算法、核递归最小二乘算法和核仿射投影算法(Kernel affine projection algorithm, KAPA). 在此基础上, 从核自适应滤波器在线预测的内容和机理入手, 综述基于核自适应滤波器的时间序列在线预测方法. 最后, 本文将介绍这一领域潜在的研究方向和发展趋势, 并展望未来的挑战.     

一种实用的火电厂飞灰含碳量软测量建模方法

提出了同时利用自适应加权融合和最小二乘支持向量机建模的实用新方法。首先,给出了基于小波的自适应加权融合和最小二乘支持向量机算法;其次,将BP神经网络、最小二乘支持向量机和基于小波的自适应加权融合的最小二乘支持向量机算法进行建模精度比较;最后,采用真实火电厂飞灰含碳量数据进行模型验证与预测,仿真结果表明基于小波的自适应加权融合的最小二乘支持向量机算法具有较好的建模精度和实用性。     

基于ARMAX模型自适应预测函数控制

本文提出了基于ARMAX模型的自适应预测函数控制,该算法的特点是占用内存少,计算 速度快,并具有较强的鲁棒性．ARMAX模型参数是通过带遗忘因子的递推最小二乘算法在线辨 识得到．仿真结果表明,该控制算法比PID控制具有更好的控制品质．     

残差初值的最小二乘估计

本文给出了一种简便的残差初值算法。该法在小样本情况下，对改善最小二乘法估计参数的精度特别有效，它不但适用于ARMA模型，而且也适用于CARMA模型和MA模型。     

一类非线性系统基于最小二乘支持向量机的直接自适应控制

提出一类非线性系统基于最小二乘支持向量机的直接自适应控制方法.该方法采用最小二乘支持向量机构造自适应控制器,自适应控制器参数的在线调整规律由Lyapunov稳定性理论导出,并严格证明了闭环系统的渐近稳定性.仿真研究表明了此控制方案的可行性和有效性.     

一种新的自适应控制方法

本文提出了一种新的自适应控制方法－基于自校正与线性跟踪的自适应控制，从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型，对象模型的参数，采用递推最小二乘法在线估计。     

两种时变参数估计的自适应递推算法

本文就参数呈快时变(包括阶跃变化)时系统辨识问题提出了两种在线自适应辨识算法,它们是通过参数时变检验对最小二乘递推算法进行适时校正得来的算法,并通过仿真与其它方法比较,验证了它们的有效性。