神经模糊系统在制动干扰模型中的应用

关于汽车制动优化问题,由于汽车制动器摩擦系数的干扰,产生汽车制动振荡现象,系统的模型是一个由线性与非线性糅合的系统,针对非线性部分难以建立数学模型,采用传统的BP神经网络进行系统辨识,在辨识过程中常常出现收敛速度慢、易导致局部极值等不良现象,从而影响系统辨识的速度及其信号的跟踪性.为解决上述问题,结合模糊推理系统模型具有控制精度高与神经网络自学习的功能,提出了使用神经模糊系统来进行非线性动态部分辨识的方法.分别采用传统的BP网络与模糊神经系统的方法对非线性动态系统进行辨识,通过利用MATLAB软件进行仿真.仿真结果表明,神经模糊系统的非线性动态系统辨识方法,不仅能够提高系统辨识的收敛速度,还能提高辨识精度及信号的跟踪性能.     

辨识Hammerstein模型的两步法

本文利用稳态和动态信息提出了一种辨识Ｈａｍｍｅｒｓｔｅｉｎ模型的新方法－两步法，该方法利用稳态信息获取非线性增益的强一致性估计，利用动态信息获取线性子系统未知参数的强一致估计，该方法具有计算简单和辨识精度高等优点，最后的仿真结果说明了该方法的有效性和实用性。     

一类多变量Hammerstein模型的参数辨识方法

通过对系统输入信号的设计,使Hammerstein系统输出只反映系统的线性动态,并将非线性部分的静态影响有效地分离掉.利用最小二乘辨识得到系统的线性动态模型.基于此模型并依据系统的测量输出重构系统的中间输入,进而可估计出非线性部分的参数,据此给出了多变量Hammerstein系统辨识的动态分离方法.仿真结果表明所提出的方法是有效的.     

基于闭环子空间辨识的直升机横向模型修正

针对闭环条件下数据相关性所导致的辨识偏差问题,提出一种基于闭环子空间辨识的直升机模型修正方法.通过闭环子空间辨识理论以及投影算法,利用操纵指令的激励信息中蕴含的动态信息,实现闭环条件下的模型无偏估计.并通过正则化方法,实现模型先验知识与数据后验信息的融合,进一步提高直升机模型修正结果的准确性与实用性.提出了基于闭环飞行数据的直升机模型修正两步法,在闭环条件下的应用结果验证了方法的有效性.     

基于退化激励信号的含有迟滞的三明治系统辨识

含有迟滞的三明治系统不仅具有非光滑、多值映射等特性, 而且迟滞环节的输入输出信号还是不能直接测量的, 常规方法难以进行有效的辨识. 本文提出了一种基于退化激励信号的两步辨识方案: 第一步, 设计一个特殊的退化激励信号将迟滞环节退化为一条静态曲线, 从而可以将两端的线性动态环节辨识出来, 解决中间信号不可测的问题; 第二步, 利用已辨识的线性模型重构迟滞环节的输入输出信号, 再采用“扩展输入空间法”建立迟滞环节的神经网络模型. 最后, 在压电超精密运动系统的实验结果表明所提出的建模方法取得了令人满意的结果.     

基于组合式信号源的Hammerstein-Wiener模型辨识方法

针对含有有色噪声的非线性Hammerstein-Wiener模型,提出一种基于组合式信号源的辨识方法.通过利用可分离信号和随机信号组成的组合信号源实现有色噪声干扰下Hammerstein-Wiener模型各串联模块参数辨识的分离,简化辨识过程.首先,基于可分离信号的输入和输出,采用相关分析方法抑制过程噪声的干扰,辨识输出静态非线性模块和动态线性模块的参数;然后,基于辅助模型技术,利用辅助模型的输出和残差的估计值分别取代辨识模型中的不可测中间变量和噪声变量,推导辅助模型递推增广最小二乘方法,根据随机信号的输入输出数据辨识输入静态非线性模块和噪声模型的参数;最后,通过理论分析和仿真结果表明,所提出方法能够有效辨识有色噪声干扰下的非线性Hammerstein-Wiener模型,具有较好的鲁棒性.     

非线性Hammerstein系统辨识的动态分离方法

利用同幅值的M序列和逆M序列作为输入信号, 对Hammerstein模型中的线性动态部分进行分离处理, 通过辨识得到一个线性动态模型. 基于此线性模型, 依据系统的测量输出重构出系统的中间输入. 最后由系统的测试输入和中间输入估计出非线性部分的参数. 仿真结果表明本方法的有效性.     

输出信号量化的双率采样系统参数辨识方法

针对双率采样和信号量化(signal quantization)[BFQB]的控制系统,采用随机重复性试验测量信息,提出基于辅助模型的双率采样量化控制系统辨识方法.分析了在随机重复试验和放松估计误差方差条件下,双率采样量化系统的模型特征并给出了分两步辨识的策略,推导了进行参数辨识所满足的持续激励条件,并给出了基于辅助模型的双率采样量化控制系统量化辨识递推算法;接着分析了所给出量化辨识递推算法的收敛性,得到了双率采样量化系统参数估计误差上界的计算式,最后数字仿真验证了该算法及结论的有效性.     

压电陶瓷执行器的非光滑三明治模型辨识与内模控制

压电陶瓷执行器中含有非光滑、多值映射、频率依赖的非线性迟滞特性,然而在实际应用中,压电器件的输入输出信号无法直接测量,常规方法难以进行有效的辨识和控制.本文采用三明治模型来精确描述实际对象,并提出一种基于退化激励信号的两步辨识法解决三明治迟滞模型的辨识问题.最后,基于已辨识的三明治模型,设计一个内模控制器,解决压电陶瓷执行器的精密轨迹控制问题.实验结果表明所提出的辨识和控制方案取得了令人满意的结果.     

大工业过程的稳态模型分散辨识及其强一致性分析

针对动态线性大工业过程,提出了获得其可分稳态模型强一致性估计的分散辨识方法.该方法仅使用设定点的阶跃信号作为输入激励信号,并且每个子过程的输入输出稳态模型辨识是在相应的局部单元完成的,因而大大减少了对过程的干扰和信息的交换量.所提出的方法简洁,并且辨识精度高,仿真结果说明了该辨识方法的有效性和实用性.