一种非线性系统参数辨识算法

本文讨论一类非线性差分方程的参数辨识问题，借助于线性化方法，给出了一种称健的递推算法，该算法有选择地引入一些项目剔除另一些项，同时可以根据估计精度的要求自动地调整模型的阶数，从而尽可能地获取系统的精确模型。数值仿真结果证明了算法的有效性。     

一种基于采样系统性质分析的连续系统传函辨识别新方法

本文研究了任一连续系统采样后的性质,提出了一种无需时频转换(FFT运算)而直接求取连续系统传函模型的辨识新方法.它适用于在线或离线递推,计算简便、计算简便、精确性好,且很容易推广到多输入多输出模型的辨识.     

一种基于小波分解的非线性系统辨识的新方法

提出了一种结合小波理论和NARX模型的新辨识算法．该算法利用小波(多维小波)函数有效的逼近能力避免了通常确定NARX模型结构时的复杂过程，构成了一个相当通用且不依赖于系统先验信息的辨识框架．应用递推最小二乘算法估计模型参数时，该算法可实现系统的在线辨识．两仿真算例说明了这种算法的有效性．     

一种采用神经网络进行系统辨识的新方法

0 引言 系统辨识就是由测试数据直接求取模型的方法.系统的数学模型是对了解系统的内部结构和特性、对系统进行深入的理论分析的首要前提.因此,要想全面了解系统就必须通过各种途径来获得数学模型.目前系统建模的方法主要有机理建模和实验建模.机理建模是从过程对象的机理和生产设备的具体结构出发,通过物料平衡和能量平衡关系,推导出对象的数学模型.这种方法虽然具有较大的普遍性,但是,由于很多工业对象内部的工艺过程复杂,对某些物理、化学过程尚不完全清楚,所以,对于复杂的数学模型较难建立;另外,工业对象大多存在非线性因素,在推导中往往需要做一些近似和假设,这就使由此方法建立的模型不能完全反映实际情况,这就可能会对进一步深入的理论分析产生影响.因此,在实际中,由于过程系统的复杂性,往往采用实验建模的方法,特别是当推导不出对象数学模型时,更需要通过实验方法来求得.采用实验的方法对系统进行辨识的方法主要有:常规方法(包括阶跃响应曲线法和脉冲响应曲线法)、闭环振荡辨识法(包括等幅振荡法和衰减振荡法)、最小二乘参数估计法、相关系数法等.这里采用神经网络来对固定模型的系统进行辨识,其本质上还是基于系统的阶跃响应曲线,它是通过找出模型参数与其阶跃曲线之间的对应关系获得一组数据,来对神经网络进行训练,使其具有模型的结构,然后再反过来对具有这类模型结构的系统进行辨识.     

非线性系统参数集员辨识的一种新方法

在噪声未知但有界的情况下,研究了非线性系统参数的集员辨识问题,提出了先对非线性系统参数可行集的中心进行估计,再估计参数可行集大小的集员辨识两步法。     

辨识Wiener模型的一种新方法

本文提出了一种辨识Ｗｉｅｎｅｒ模型的新方法，该方法利用不同幅值的周期脉冲信号作输入辨识信号，并且获了非线性增益未知参数和线性子系统脉冲响应的强一致性估计。本文还研究了估计残差的渐近分布以及收敛速度，最后的数字仿真研究说明了该方法的有效性和实用性。     

传感器动态建模的一种辨识法

提出一种简单但鲁棒性强的传感器动态建模方法,该方法基于数值积分思想,能有效克服测量噪声,无需迭代即可直接从微分方程辨识出模型参数,所建模型阶次较低、准确度较高,且较易实现递推算法,为传感器改善动态特性、实现动态补偿提供一种有效方法。大量实验和仿真结果验证了该方法的有效性。     

一类非线性系统的建模、辨识与控制研究

提出一种新型的双曲正切模型,这种模型是一种模糊模型,可以很容易由几条模型规则得出,同时此模型也是一和中神经网络模型,因此模型参数可以通过网络学习获得,而且这种模型可以看作是线性模型的扩展,因此许多线性控制理论的结果可用来分析闭环系统稳定性。最后给出了基于此模型的稳定H∞控制器的设计方法。仿真结果表明这了种模型的有效笥及其控制器设计方法的优良性能。     

常微分方程组的演化建模

利用演化算法的自适应,自组织,自学习的特性,设计了遗传程序设计与遗传算法和相嵌套的常微分方程组混合演化建模算法,以遗传程序设计优化模型结构,以遗传算法优化模型参数,首次实现了常微分方程组建模过程自动化并可进行有效的预测。     

一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出了一种高鲁棒性ＢＰ算法，与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识，（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误差样本的影响得到了适度的抑制，把该算法用于非线性动态系统辨识，仿真结果表明此方法是有效的。     

动态系统的演化建模

针对采用传统方法解决动态系统的微分方程建模问题所遇到的困难和存在的不足,语文中设计了将遗传程序设计与遗传算法和相嵌套的混合演化建模算法,以遗传程序设计优化模型结构,以遗传算法优化模型参数,成功地实现了动态系统的常微分方程组建模过程自动化。     

面向系统辨识的离散系统模型类库

本文分析了系统辨识中常用的几种离散系统模型的结构,这些离散系统模型及其预测器模型在形式上都能表示成线性回归模型,并且一个复杂的模型能由几个简单的模型所构成。根据离散系统模型结构的这些特点,我们用面向对象的程序设计思想,用“类”的概念来实现各种离散系统模型,从而形成离散系统模型类库,并可由此派生出其它更具针对性的模型类。此离散系统模型类库和递推辨识算法类库结合在一起,可方便地构成完整的系统辨识程序。本文将介绍这一离散系统模型类库的层次结构及模型类库在系统辨识中的一些应用,给出两个例子。     

A MAS IMPLEMENTATION FOR SYSTEM IDENTIFICATION AND PROCESS CONTROL

In this paper, a MAS for system identification and process control is presented. In particular, this MAS implements a self‐tuning regulator (STR) scheme. It has adopted FIPA specifications because they have become a stronger standard in MAS development and they involve not only agent language specifications but also agent management and conversations. In this work, an Ontology Agent (OA) is included, using DAML + OIL as ontology language. The obtained results validate this approach in the implementation of well‐known algorithms for control process.     

基于遗传算法的广义Takagi-Sugeno模糊逻辑系统最优参数辨识

针对Takagi-Sugeno模糊逻辑系统的隶属函数不具有自适应性且模糊规则数的确定带有很大的人为主观性,这里引入了一类广义Takagi-Sugeno模糊逻辑系统;在模型实现上,以广义Takagi-Sugeno模型为个体,采用简单、有效的矩阵编码方式,借助遗传算法得到一个次优的广义Takagi-Sugeno模糊系统模型,该模型不仅能很好地逼近所要辨识的非线性系统,而且还具有较低的复杂度.仿真结果表明了广义Takagi-Sugeno模型及其参数辨识方法的正确性和有效性.     

基于遗传算法的模糊树建模方法

1　引言近年来模糊逻辑理论在非线性系统辨识领域中得到了广泛的应用 .模糊逻辑建模方法的主要内容可分为两个层次 ,一是模型结构的辨识 ,另一则是模型参数的估计 .模糊模型的结构辨识问题是指如何划分输入空间 .模糊树模型 (FT模型 )是一种利用二叉树结构描述输入空间模糊划分     

一个支持top-down设计的产品建模系统

研究了一种新型机制来实现支持ｔｏｐ－ｄｏｗｎ设计的产品建模。采用墨箱多叉树模型和设计变量约束网络（ＶＣＮ）表达产品功能，实现面向对象的产品建模；提出了分类分步分解的策略求解ＶＣＮ；在一个集成设计环境中，通过对典型零件的设计引导用户完成三维结构草图的设计和动态建立产品设计的关系模型。     

论信息系统的开发与建模

文章分析了系统建模在信息系统开发中的作用和重要性,指出了几种常用模型的不足,提出了一种集成的系统建模观点,即功能建模、行为建模和结构建模,并从系统开发角度增加了系统性能模型,汉期对信息系统开发的全过程进行全方位的抽象和支持．     

一种新颖的Ostu图像阈值分割方法

二维Ostu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法.针对二维Ostu方法计算量大的特点,采用含维向量变异量子粒子群算法,计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异:让所有粒子在该维上的位置重新均匀分布在可行区域上,来搜索最优二维阈值向量,每个粒子代表一个可行的二维阈值向量,通过各个粒子的飞行来获得最优阈值.结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Ostu方法的实时应用.