非平稳ARMA模型自校正预报器及其应用

本文介绍了在具有时变均值和时变方差的随机干扰序列作用下,ARMA模型的在线辨识与自校正预报。用简单的ELS方法实现模型的在线辨识。对指数平滑预报器一步预报误差序列进行实时建模和实时修正的基础上,实现对未来值的自校正预报。应用于雷达测量飞机低空飞行数据的短期预报,仿真和对实测数据的处理结果表明,此方法简单且精度较高,适用于微型机对一类非平稳过程的实时建模和短期预报。     

自校正信息融合Wiener预报器及其收敛性

对带相关观测噪声和未知噪声统计的多传感器系统,用相关方法得到噪声统计在线估值器.在按分量标量加权线性最小方差最优信息融合准则下,用现代时间序列分析方法,基于滑动平均(moving average)新息模型的辨识,提出了自校正解耦融合Wiener预报器.用动态误差系统分析(dynamic error system anallysis)方法证明了自校正融合wiener预报器收敛于最优融合Wiener预报器,因而它具有渐近最优性.它的精度比每个局部自校正Wienet预报器精度都高.它的算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

面向直流电机模型时变参数的在线辨识方法

在直流电机建模优化问题的研究中,由于直流电机的时变参数随现场工况的变化而变化,导致采用离线辨识方法无法估计直流电机的系统模型,针对直流电机系统参数的时变性,提出一种直流电机时变参数的在线辨识策略.依据直流电机的电势平衡方程和转矩平衡方程,得到直流电机的传递函数,转化为电动机角速度和电压之间的差分方程,然后,采用递推最小二乘算法进行在线辨识,从而实现直流电机系统模型在线辨识的目的.搭建直流电机在线辨识系统实验平台,采用改变直流电机载荷的方式,进行了在线实时辨识的实验,实验结果表明:改进方法辨识效果良好,较好地实现了直流电机在参数时变的情况下,辨识效果良好,辨识模型较好地跟踪系统参数的变化.     

按对角阵加权自校正信息融合Kalman预报器及其收敛性分析

对于带未知噪声统计的多传感器系统，应用现代时间序列分析方法，基于滑动平均(MA)新息模型的在线辨识和相关函数矩阵方程的解，得到了噪声方差估值器，且在按对角阵加权线性最小方差最优信息融合准则下，提出了自校正信息融合Kalman预报器.它实现了状态分量的自校正解耦融合Kalman预报器.基于动态误差系统，提出了自校正融合器的一种新的收敛性分析方法.提出了按实现收敛新概念，它比以概率1收敛弱.严格证明了:假如MA新息模型参数估计是一致的，则自校正融合Kalman预报器将按实现或按概率1收敛到最优融合Kalman预报器，因而它具有渐近最优性.它可减小计算负担，且便于实时应用. 一个3传感器跟踪系统的仿真例子证明了其有效性.     

多准则MEMS陀螺随机误差在线建模与实时滤波

针对随机误差相关性较弱的MEMS陀螺仪,提出采用多准则曲线方法辨识其带有截距项的随机误差时间序列模型.采用该模型可直接对MEMS陀螺仪的实测量数据进行在线建模,而无需零均值化离线处理.基于该模型并采用状态扩增的方法设计卡尔曼滤波器,实现了MEMS陀螺仪随机误差的实时滤波.实验结果表明,针对某MEMS陀螺仪带有截距项的AR(2)模型可以作为其随机误差模型,经过在线建模和实时滤波后,MEMS陀螺仪随机误差的标准差降低了50%,有效抑制了MEMS陀螺仪的随机误差.     

关于建模与自适应控制的一体化途径

在文献自适应辨识预报和控制-多层递阶途经中,我们提出了非线性系统动态线性化 的概念.这种动态线性化仅仅是形式上的,而不是真的线性化.但研究发现,在这种线性化过程 中,包含了一种新的系统辨识思想,那就是在线实时建模一实时反馈控制校正的思想.这种辨识 把建模与反馈控制结合成为一体,突破了参数自适应的框架.实现了控制系统的结构自适应性, 并且避免了建立数学模型这一繁锁的步骤.本文就是对这种系统建模与控制一体化的途径进行 介绍.     

一种极点配置自校正导弹控制器的设计方法

根据导弹的非线性时变的特点,以及自适应控制的优点,结合计算机技术与现代控制理论,设计了一种极点配置自校正导弹控制器.该文为滚转通道建立了二阶离散传递函数模型,给出了模型参数的在线辨识方法,研究了极点配置自校正控制器的设计方法,给出了控制量的计算公式和仿真结果.仿真的结果表明,该控制器对非线性时变的控制对象具有满意的控制效果.     

船舶运动建模及预报方法的研究

本文叙述了船舶运动艏前波法预报所做的研究工作,艏前波预报方法看来是解决船舶运动预报比较切实可行的方法,它是利用舰船本身的摇摆观测数据和舰船艏前海浪的观测数据,对舰船摇摆建模及预报,文中讨论了船舶在波浪中的运动艏前波模型动态建模与预报方法,为了改善和提高预报的精度和可靠性,进行预报前,对实船试验所采集信号做实时在线预处理和滤波处理,同时进行参数辨识,定阶,然后进行拟合建模和预报,对多组实船试验的信号实时的在线进行比较,获得比较令人满意的结果,在提高预报精度,增加舰舰载机着舰的完全性和扩大海况使用范围等方面,具有比较高的实用价值。     

一种具有自适应功能的ARMAX建模预报新方案

本文提出了以自校正预报器为主体的,由初建模-STP-再建模三部分组成的对ARMAX 过程的实时建模预报方案,给出了参数增量校正算法和检测不良数据的方法.本方案全部采 用线性估计算法,算法简易、速度快.仿真和实际运行表明本方案具有良好的预报、估计特性.     

Matlab仿真在谷氨酸发酵过程中的应用

针对谷氨酸发酵过程中的温度具有时变缓慢、大滞后的特点,提出采用自校正PID控制算法实现对谷氨酸发酵温度的控制.控制器采用最小二乘法对系统参数进行在线辨识,并采用极点配置自校正方法对辨识结果进行校正处理.最后,使用Matlab仿真工具对设置和不设置阈值的控制量输出分别进行仿真比较.结果表明,设置阈值的控制量输出所取得的控制效果较好.     

一类不规则损失输出数据系统的自校正PID控制算法

针对输出误差模型描述的不规则损失输出数据系统,提出一种自校正PID控制算法。首先结合辅助模型辨识思想和最小二乘原理设计参数估计器,在线估计系统参数,并设计一个损失输出估计器来估算采样间损失输出,使控制系统得到一个具有与期望输出相同采样周期的反馈信号;再根据系统参数的估计值实时调整自校正PID控制器参数,使系统实际输出跟踪期望输出,实现自校正PID控制。仿真结果验证了该算法的有效性。     

一种多变量隐式极点配置自校正控制器及其应用A

本文提出了一种极点配置自校正控制器.该控制器不仅能控制开环不稳定或非最小相位 系统,而且能控制具有任意、未知或变化传输延时结构的多变量系统.该控制器采用隐式方式 来实现即利用输入输出数据直接辨识控制器的参数.这样不仅避免在线解矩阵方程,而且增 加算法的鲁棒性.仿真和实时控制多变量电加热系统的结果表明该控制器具有好的控制性能.     

Building inferential prediction models of batch processes using subspace identification

In this paper, a general method for converting available batch plant data into useful prediction models is proposed. A subspace identification method, which was proposed for identification of continuous systems, is used to develop a batch-to-batch correlation model from plant data. In this context, the state of the model is a holder of relevant information contained in the past batch data for predicting the behavior of current and future batches. The modeling framework naturally allows the user to capture correlations among the variables within each individual batch as well as those of successive batches, as reflected in the modeling data, and take advantage of them in prediction and control. It will be shown that the batch-to-batch model can be converted into a time transition model that can be used to predict the future behavior of the relevant variables, including the end-quality variables, in real time based on incoming measurements. Various practical issues will be addressed, such as the reduction of state dimension and incorporation of delayed laboratory measurements of quality variables.     

基于PEM的三自由度直升机模型辨识

针对三自由度(3-DOF)直升机平台的特点,提出了一种基于预测误差法(PEM)的模型频域辨识方法,建立了机理模型,运用扫频技术得到巡航飞行状态直升机3个通道的输入-输出数据;分析了偏相干函数和复合窗函数,通过PEM进行了模型的频域辨识,得到了状态空间方程的待辨识参数和直升机的参数化模型.通过时域飞行和模型预测响应的对比,验证了该模型的准确性和该辨识方法的有效性.     

自校正DMC-PID过热汽温控制系统仿真

为了克服在过热汽温控制中对象参数变化对系统控制带来的困难,提出了自校正DMC-PID控制方法.保留了通常过热汽温控制采用的串级控制结构,能够快速有效地克服干扰.同时通过参数辨识得到非参数模型进行动态矩阵控制(DMC),即自校正DMC,无需从广义对象的阶跃模型的上下界中选取一条标称的阶跃响应曲线去实现DMC控制,实际应用起来更简单.仿真结果表明,控制方法有良好的控制效果,改善了模型失配时的鲁棒性,在过热汽温控制中是十分有效的.     

交通流序列的Volterra自适应预测

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,构建交通流的Volterra自适应预测模型.在应用小数据量法判定交通流存在混沌特性的前提下,分别用平均互信息法和虚假邻点法选取延滞时间和嵌入维数以实现对交通流时间序列的相空间重构.通过Volterra级数展开式建立非线性预测模型,采用LMS自适应算法实时调...     

Identification of linear systems using polynomial kernels in the frequency domain

In prior work we presented an identification algorithm using polynomials in the time domain. In this article, we extend this algorithm to include polynomials in the frequency domain. A polynomial is used to represent the imaginary part of the Fourier transform of the impulse response. The Hilbert transform relationship is used to compute the real part of the frequency response and hence the complete process model. The polynomial parameters are computed based on the computationally efficient linear least square method. The order of the polynomial is estimated based on residue decrement. Simulated and experimental results show the effectiveness of this method, particularly for short input/output data sequence with high signal to noise ratio. The frequency domain polynomial model complements the time domain methods since it can provide a good estimate of the time to steady state for time domain FIR (finite impulse response) models. Confidence limits in time or frequency domain can be computed using this approach. Noise rejection properties of the algorithm are illustrated using data from both simulated and real processes.     

时变分数时滞系统最优预报自校正极点配置PID控制算法*

本文在广义模型描述被控过程的基础上,利用广义预测理论克服时滞,增强控制系统的鲁棒性,提出一种最优预报自校正极点配置PID控制新算法,仿真结果表明这种控制策略对具有未知或时变分数时滞系统是很有效的。     

A variable‐structure gradient RBF network with its application to predictive ship motion control

The prediction of dynamic behavior of the nonlinear time‐varying process plays an important role in predictive control applications. Although neural network algorithms have been intensively researched in modeling and controlling nonlinear systems in recent years, most of them mainly focused on the static dynamics. In this paper, a variable‐structure gradient radial basis function (RBF) network is implemented for nonlinear real‐time model predictive control, which is achieved by the proposed gradient orthogonal model selection (GOMS) algorithm. By learning the gradient message of real‐time updated data in a sling window, the structure and the connecting parameters of the network can be adaptively adjusted to adapt to the time‐varying dynamics. The proposed algorithm is evaluated with Mackey‐Glass chaotic time series prediction. Moreover, the variable structure network achieved by GOMS algorithm is applied as a multi‐step predictor in a ship course‐tracking control study, results demonstrate the applicability and effectiveness of the proposed GOMS algorithm and the variable‐RBF‐network based predictive control strategy. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society