阶跃输入时传递函数的阶项判断探讨

本文分析了面积法辫识中阶次判断的不足之处，给出了一种阶次判断方法，这种方法亦适合于其它连续系统辨识中的阶次判断问题。     

基于自相关的AR模型的盲辨识算法

研究了一种AR模型的盲辨识算法，该算法可同时辨识AR模型的阶次及相应的模型参数，而不需事先确定AR模型的阶次或者假定AR模型的阶次已知，其特点是计算量小，具有很好的收剑性，适合在线建模，并与常用的奇异值-最小二乘法相比较，无论是运行速度、还是辨识精度方面，都具有优势，尤其随着阶次的增加，优势越明显，仿真结果表明该算法是很有效的。     

一种时变系统模型结构确定和参数估计新算法

将参数检测技术和辨识方法相结合，系统结构在线辨识和参数跟踪相结合，基于Ｕ－Ｄ分解技术，提出一种时变系统结构确定和参数估计的最小二乘辨识新算法。该算法不仅可实现系统阶次和参数的同时估计，而且通过对损失函数的实时监测，实现协方差阵的自适应调整，使辨识算法收敛速度快，对时变系统阶次和参数变化均有很强的跟踪能力。     

类多变量方程误差类系统的递阶多新息辨识方法

根据递阶辨识原理,研究了类多变量方程误差系统和类多变量方程误差ARMA系统递阶随机梯度方法和递阶梯度迭代方法、递阶最小二乘方法和递阶最小二乘迭代方法.进一步利用多新息辨识理论,推导了递阶多新息梯度辨识方法和递阶多新息最小二乘辨识方法.为减小计算量,推导了基于滤波的类多变量方程误差ARMA系统递阶辨识方法和递阶多新息辨识方法.讨论了几个典型辨识算法的计算量,并给出了计算参数估计的步骤.     

滤波辨识(9):多变量CARARMA系统的滤波递阶广义增广参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广递推梯度辨识方法、滤波递阶多新息广义增广递推梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。     

滤波辨识(7):类多变量方程误差ARMA系统的滤波递阶广义增广参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广梯度辨识方法、滤波递阶多新息递推广义增广梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。     

传递函数辨识(24):线性回归系统的变间隔递阶迭代参数估计

变间隔辨识概念是处理损失数据系统和稀少量测数据系统辨识的一种有效方法.利用变间隔辨识概念和递阶辨识原理,研究了线性回归系统的变间隔递阶梯度迭代辨识方法、变间隔递阶多新息梯度迭代辨识方法、变间隔递阶最小二乘迭代辨识方法、变间隔递阶多新息最小二乘迭代辨识方法等.这些变间隔递阶迭代辨识方法可以推广到其他有色噪声下的线性和非线...     

传递函数辨识(22):线性回归系统的递阶迭代参数估计

利用迭代搜索和递阶辨识原理,以线性回归系统为例,讨论了递阶梯度迭代辨识方法、递阶多新息梯度迭代辨识方法、递阶最小二乘迭代辨识方法、递阶多新息最小二乘迭代辨识方法,并给出引入加权因子和遗忘因子的递阶迭代辨识方法等.这些迭代辨识方法可以推广到有色噪声的随机系统中.     

传递函数辨识(21):线性回归系统的递阶递推参数估计

利用递阶辨识原理,研究了线性回归系统的递阶最小二乘辨识算法、递阶多新息最小二乘辨识算法、递阶随机梯度辨识算法、递阶多新息随机梯度辨识算法、递阶递推梯度辨识算法、递阶多新息递推梯度辨识算法等.这些辨识方法可以推广到有色噪声的随机系统中.     

神经网络控制结构确定方法

为了选择合适的神经网络逼近不同的非线性函数，本文将该问题化为模型辨识问题来处理，并且给出了有效方法。为了确定样条函数、正交级数描述等神经网络阶次，本文提出了Ｕ—Ｄ分解的递阶数据矩阵法、递阶误差性能指标法等方法。     

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。     

滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。     

系统辨识(7)：递阶辨识原理与方法

递阶辨识是系统辨识的一个重要分支.递阶辨识原理是在大系统递阶控制的“分解-协调原理”基础上发展起来的,它不仅能够解决参数数目多、维数高、大规模系统辨识算法计算量大的问题,而且能够解决结构复杂的双线性参数系统、多线性参数系统以及非线性系统的辨识问题.首先介绍递阶辨识原理和线性方程组Ax=b的著名雅可比迭代和高斯-赛德尔迭代,给出了线性方程组的迭代方法族;其次将雅可比迭代思想和递阶辨识原理用于研究一般矩阵方程和耦合矩阵方程的递阶梯度迭代求解方法和递阶最小二乘迭代求解方法;再次介绍了方程误差模型的两阶段最小二乘辨识方法(一个简单的递阶辨识方法)和线性回归模型的递阶最小二乘辨识方法;最后研究了类多变量CARMA系统的递阶辨识方法.     

《青岛科技大学学报(自然科学版)》第38卷(2017)总目次

递推辨识和迭代辨识构成了两大类辨识方法族。利用递阶辨识原理、多新息辨识理论,针对多频标准正弦信号的建模问题,提出了递阶梯度迭代参数估计方法、递阶多新息梯度迭代参数估计方法、递阶牛顿迭代参数估计方法等。给出了几个典型辨识算法的计算流程和计算步骤。文中的方法可以推广到其它多频信号模型的参数辨识。     

信号建模(6):多频信号模型的递阶迭代参数估计

递推辨识和迭代辨识构成了两大类辨识方法族。利用递阶辨识原理、多新息辨识理论,针对多频标准正弦信号的建模问题,提出了递阶梯度迭代参数估计方法、递阶多新息梯度迭代参数估计方法、递阶牛顿迭代参数估计方法等。给出了几个典型辨识算法的计算流程和计算步骤。文中的方法可以推广到其它多频信号模型的参数辨识。     

Hammerstein系统的子迭代更新多新息梯度估计方案

针对Hammerstein系统阶次未知和多新息长度限制辨识性能问题,提出行列式比确定阶次信息和基于子迭代更新多新息梯度辨识算法。结合半分解技术,构建线性和非线性参数相互分离的辨识模型。为便于后续参数辨识,基于参考模型原理和原始系统设计行列式比算法确定系统阶次信息。根据多次迭代更新理论,将给定多新息更新分解为子新息多次迭代更新,改善辨识性能,解决多新息长度限制辨识性能问题。基于殃差收敛定理,从理论上严格分析提出方案的收敛性能。结果表明,与已有的辨识方案相比,本文方案能有效辨识系统的参数信息,具有较高的辨识性能。     

LabVIEW平台上基于相关辨识原理的虚拟仪器设计

将虚拟仪器技术应用于相关辨识中,在LabVIEW图形化编程语言环境下采用相关辨识原理进行了一阶线性系统的辨识,所设计的一阶系统相关辨识仪能够实现辨识参数可调,辨识结果显示设计方法可行.     

转子分布不平衡和轴承特性参数同时辨识方法

针对转子模态动平衡的关键参数转子不平衡量和轴承特性参数难以确定的问题,提出一种基于轴承处振动响应的轴承特性参数和转子分布不平衡参数的同时辨识方法。以多项式函数描述转子质量偏心曲线,表征转子连续分布的不平衡质量;以有限元法建立转子/轴承子结构运动微分方程;采用虚功原理将连续分布的广义不平衡力转化为节点处的集中不平衡力并建立其与偏心曲线系数的关系,从而推导出轴承特性参数及质量偏心曲线系数的同时辨识方程,进而实现基于不同转速下轴承处的振动响应辨识出轴承特性参数和分布不平衡参数。以一个转子轴承系统为例进行了偏心曲线阶次对参数辨识的敏感度仿真,结果表明：偏心曲线阶次对参数辨识结果影响较小。以实测轴承处响应辨识得到的参数进行一阶模态动平衡实验,平衡后轴承处振动明显降低,验证了提出的辨识方法及其在模态动平衡中的有效性。     

基于正交匹配追踪改进的Hammerstein系统辨识方法

针对在有限数据采样情况下Hammerstein CAR模型的阶次和参数辨识问题,本文将关键变量分离原理和压缩感知(compressed sensing,CS)理论相结合,提出了一种改进的正交匹配追踪稀疏辨识方法。该方法采用关键变量分离原理分离出系统线性模块中的关键变量,然后用非线性模块表达式将其替换,从而将系统输出表示为含所有待估参数的线性回归方程,并将其表达在采用压缩感知理论进行系统参数重构的标准框架之下,最后利用压缩感知原理的正交匹配追踪算法对系统阶次和参数同时进行估计。仿真结果表明,参数估计误差随着迭代次数的增加逐渐减小,最终趋于零,说明该算法是有效的。该研究能有效地获得系统阶次和参数估计,提高了估计辨识算法的运算效率,在实际工业过程中具有一定的实用意义。     

传递函数辨识(6):基于脉冲响应的递阶参数估计方法

基于系统的脉冲响应观测数据,利用梯度搜索和牛顿搜索,研究和提出辨识系统传递函数参数的递阶最小均方方法、递阶随机梯度方法、递阶多新息随机梯度方法、递阶梯度方法、递阶牛顿递推方法、递阶多新息递推梯度方法、递阶多新息牛顿递推方法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点传递函数参数的辨识以及任意非线性函数的参数估计。