基于人工蜂群算法的线性系统辨识

针对以传递函数描述的线性系统,提出一种基于人工蜂群算法的辨识算法。首先,基于系统的阶跃响应得到系统的输出;其次,确定线性系统的辨识模型形式,确定需要辨识的参数区间;最后,确定目标寻优函数,利用人工蜂群算法的全局寻优能力,得到系统辨识模型。仿真实验表明,本文提出的辨识算法具有较高的辨识精度。     

递推最小二乘法在火电厂模型辨识中的应用

通过介绍递推最小二乘辨识算法,对火电厂典型的一阶惯性和带有纯迟延时间的一阶系统进行参数估计,并对参数估计过程进行了分析,利用SIMULINK软件搭建模型进行仿真,结果表明这种算法收敛性好,精度较高,能够用来对实际的热工对象进行参数辨识仿真。     

基于GA的在线辨识与模糊内模控制

提出了一种基于遗传算法在线参数辨识的模糊内模控制，并将其应用于过热器的温度对象，构成针对大时延变参数对象的智能控制系统；用遗传算法在线得到对象模型参数的估计值，并将参数估计值送至模糊内模控制器作为补偿，提高了控制系统的鲁棒性。仿真结果证明了该控制系统的可行性和有效性。     

基于强跟踪滤波器的在线故障诊断方法

为了能在线诊断非线性系统故障,介绍了一种基于参数估计为主的强跟踪滤波器方法。由于该方法可得到比较准确的非线性系统状态与参数估计,系统的状态与参数可以得到辨识,因此该方法是一种很有效的在线故障检测与诊断方式。仿真实例也证实了该方法的有效性。     

液压挖掘机振动掘削系统辨识模型及算法研究

介绍了液压挖掘机振动掘削的激振方式和实现机理.通过确立挖掘机铲斗与土壤的相互作用的动力学模型,再根据系统辨识理论,建立了振动掘削系统的输入输出数学模型;运用参数估计理论,主要探讨了不同辨识模型下最小二乘算法在参数辨识过程中运用.最后,通过MATLAB软件进行了仿真计算,并比较了不同算法的参数辨识效果.     

基于分布式最小二乘法的锂离子电池建模及参数辨识

精确的锂离子电池模型对于电池状态的准确估计以及电动汽车整车的仿真、设计与优化具有至关重要的意义。然而,传统的递推最小二乘方法应用于电池这类多时间尺度系统时,会出现模型参数辨识精度低、建模效果差等问题。为此,以锂离子电池二阶RC等效电路模型为研究对象,提出一种基于分布式最小二乘的模型辨识参数方法。此方法根据电池不同时间尺度可以分离的特性,将电池模型细分为两个子模型分别进行辨识,避免了待估参数的相互干扰,因而能够取得更好的参数估计效果。试验结果表明,相比传统的递推最小二乘辨识方法,提出的方法在UDDS和FUDS工况下能够将平均绝对误差分别降低约50.00%和28.57%,均方根误差分别减小约46.43%和29.17%,验证了所提方法的有效性和可行性。     

迟滞对象的辨识研究

主要针对暖通空调系统中常见而又难以控制的时滞对象，研究了神经网络用于系统辨识中的工作原理，提出了基于神经网络的时滞线性系统和时滞非线性系统的辨识方法，同时，使用MATLAB的辨识工具箱对暖通空调中常见的惯性迟延系统对象进行了辨识试验并给出了仿真结果。从比较的结果看，对非线性的辨识，神经网络具有明显的优势。     

基于正交投影的闭环子空间辨识方法

针对闭环MIMO系统的辨识问题,提出一种基于投影的子空间辨识方法,可以辨识出具有白噪声干扰的控制对象和控制器的状态空间模型。该方法从控制对象的输入输出来辨识对象模型。通过正交投影使得求得的状态实质为卡尔曼滤波状态,以此来求取控制对象的状态空间模型;对于控制器模型,提出两种不同的辨识求解方法。最后,在Matlab下进行了仿真验证,结果表明该方法的有效性。     

弹性体非线性振动系统参数辨识的一种时域法

提出了对弹性体非线性振动系统参数辨识与预测的一种时域模型法。它可视为时间序列分析中的 AR模型法在非线性领域内的一种推广。该方法首先将非线性振动系统中的非线性恢复力和非线性阻尼力用某一函数级数(例如幂级数 )表示 ,然后 ,先用线性模型来逼近原系统 ,应用线性系统辨识方法确定系统阶次 ,再确定系统中非线性恢复力、阻尼力的结构 ,建立非线性模型并辨识各项参数 ,最后进行预测。算例表明 ,用该方法建立的模型能够较好地反映系统的非线性特性 ,并能提高模型预测的准确性。     

液压位置系统及其噪声模型的辨识

本文讨论了用ARNAX时间序列模型来辨识液压系统的阶和参数,同时得到系统的干扰噪声模型。文中提出的增广最小二乘法和BIC定阶准则的结合,比已有方法辨识参数和阶的精度要高。进一步根据估计参数的渐近正态性确定模型的子阶和时滞。文中应用该方法辨识了液压位置系统及其噪声模型的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是有效的。     

隧道炉自适应温度控制系统

将参数自适应Dahlin算法用于隧道炉加热控制中，建立了系统的最优控制模型。提出先使温度快速稳定在目标温度附近，通过系统辨识与参数估计，使目标温度达到自适应温度，实现了自适应温度控制。仿真结果证明，方案是可行的。研制的89C51组成的温度控制系统，在实际应用中取得了满意效果。     

基于扩张状态观测器的迟滞非线性系统辨识

针对一类迟滞非线性系统提出一种参数辨识新方法。通过构造合适的周期输入信号,分析Bouc-Wen模型的积分特性,该特性在后续线性参数与迟滞参数辨识中起到重要作用。利用扩张状态观测器获得系统状态和等效扰动构造方程组,实现线性参数和非线性参数的分离辨识,所有参数通过线性方程组求解得到。通过数值仿真验证了方法的有效性。最后,方法应用于一类压电系统的迟滞非线性模型辨识,所得模型能够很好地反应实际系统的特性。     

电液位置伺服系统的时序建模

目前,在进行液压系统辨识时,往往是人为地根据理论模型来确定系统的阶次,然后辨识参数。这首先要对被辨识的对象有较深入的了解,而且理论定阶得到的阶次往往高,在实际应用时,特别是用于数字控制器设计,是困难的。本文提出用受控的时间序列CAR 模型来描述电液伺服系统,采用AIC 准则定阶,用递推辅助变量法辨识参数。再根据被辨识参数的渐近正态性确定模型的子阶     

基于最小二乘模型的Bayes参数辨识方法

现实中的系统都具有一定的非线性,并且这种非线性在非线性通道补偿和非线性系统故障诊断等领域是不可忽略的。针对有白噪声干扰的输出误差非线性系统,将数学模型与基于最小二乘的Bayes算法相结合,用数学模型参数代替辨识模型信息向量中的未知项,用基于白噪声的最小二乘模型进行不可预测辨识,从而提出了基于最小二乘模型的Bayes参数辨识方法。介绍了Bayes基本原理及2种常用的方法,经过理论分析和MATLAB仿真研究证明,该方法原理简单、计算量小、速度快、抗干扰能力强,可以对较高精度非线性系统进行参数估计和在线辨识。     

一种计算系统频率特性的新方法

本文提出了一种计算系统频率特性的新方法。根据输入和输出的采样值，利用参数估计方法可得到线性系统的频率特性；和现行“傅立叶滤波”分析仪仿真相比，计算精度有明显提高。     

模糊聚类在非线性系统广义预测中的应用

将非线性系统,用T-S模型表示,由于T-S模型的结论部分是一个线性模型,因此可将其等价为时变线性系统.用模糊聚类方法在线确定模型结构;利用模糊基函数逼近时变系数,再利用最小二乘法在线辨识模型的后件参数以实现时变系统的参数估计,最后运用广义预测控制策略,完成了对原非线性系统的自适应预测控制.仿真结果表明了所提方法的有效性.     

未知初始条件下滞后过程的模型参数估计方法

提出了一种参数估计过程中消去未知初始条件的方法。在对象输入输出微分方程两边乘以时间变量,依据分部积分原理,经过多重积分,估计方程中不再含有未知初始条件。通过优化幅值均差函数辨识对象的滞后时间,然后采用最小二乘法辨识得到其他模型参数。仿真结果表明算法具有较高精度。     

直流无刷电机故障检测与诊断的仿真模型

利用Matlab建立了一种适合于故障诊断的直流无刷电机仿真模型。该模型结合直流无刷电机的常见故障，充分考虑了在故障诊断过程中对各路电流单独检测的实际需要，采取三相分开控制，将机械与电气部分进行了最大程度的分离，便于进行模块化故障分析。在此模型基础上，利用改进的模式识别方法辨识了系统参数，通过系统辨识的结果与系统参数的正常值及故障值的比较，便可发现系统故障并确定故障程度。实验验证了该仿真模型的有效性和算法的可行性，这为直流电机故障诊断提供了经济、可行的研究试验平台。     

基于浮点数编码的自适应遗传算法在模型辨识中的应用

掌握被控对象的数学模型是准确分析该对象特性的前提。由于目前被控对象变得越来越复杂，传统的辨识方法在很多情况下已不能胜任。本文提出将自适应的遗传算法（AGA），在融合、改进了其它一些遗传操作的基础上应用于系统辨识。通过分别对理论模型和实际模型的辨识仿真，结果证明本文的自适应遗传算法有较高的精度和较好的鲁棒性。     

电液仿射非线性系统的离散模型跟随自适应控制

提出了一种将非线性状态反馈变换与模型跟随自适应控制(AMFC)相结合，适用于电液仿射非线性系统且无需在线参数估计和状态检测的离散AMFC控制方法。该方法利用对象的输入--输出数据序列取代在构造控制律时所需的对象状态信息，同时保证系统仍然能够实现准确的模型跟随控制。给出了满意的仿真结果。