利用调制函数法的模糊模型参数辨识

利用调制函数法辨识非线性连续系统的模糊模型参数.系统的动力学微分方程存在微分项,通过输入输出数据辨识模糊模型参数时不能忽略扰动的影响,因此辨识模糊模型参数比较困难.利用调制函数法可以消除微分项,通过无微分项的联立方程的求解容易进行模糊模型参数辨识.几个非线性连续系统的仿真实验验证了所设计的利用调制函数法的模糊模型参数辨识的正确性和有效性.     

基于小波调制的连续系统模型辨识

介绍了连续模型辨识的调制函数法，其于小波分析理论，提出构造多分辨小波调 制函数的新思路，设计了高斯小波调制函数.以二阶系统为例，研究了调制窗口参数与辨识 精度的关系,并以此得到调制函数参数的设计依据.典型算例表明本文算法的有效性.     

基于广义函数投影同步的混沌保密通信研究

针对已有的混沌广义函数投影同步保密通信的局限性,研究了基于广义函数投影同步和参数调制的混沌保密通信问题。把混沌参数作为一个状态变量,将信息信号经过函数变换后调制在混沌系统的不确定参数中,通过构造参数自适应率与非线性控制器,实现混沌系统的广义函数投影同步与参数估计,在接收端通过参数辨识和反函数变换实现信息信号的解调。以电阻电容电感分流的约瑟夫森结(RCLSJJ)混沌系统为例进行数值仿真,仿真结果表明改进方法可成功辨识出系统的未知参数,从而快速有效的恢复出调制在参数中的信息信号。     

励磁系统参数辨识中智能建模与仿真研究

研究发电机励磁系统性能,是保证电力系统的稳定性的有效手段,发电机励磁系统模型参数采有时域或频域进行辩识,但是发电机励磁系统是一个非线性系,传统方法存在不能辨识其非线性环节的缺点,导致辩识的精度低.为了提高励磁系统辩识的精度,提出一种粒子群算法优化的励磁系统参数辨识的方法.以励磁系统的实际输入作为模型的输入,以模型的输出和实际励磁系统最小误差作为目标函数,通过改进粒子群算法对模型参数进行优化调整,获得满足误差要求的励磁系统参数.在Matlab环境下进行仿真,结果表明方法具有较快的收敛速度和较高的辨识精度,有效解决了发电机励磁系统正确建模,为提高电力系统运行稳定性提供参考.     

采用限定记忆区间最小二乘法辨识DC伺服电机系统非线性参数的方法

以ＤＣ伺服电机系统作为研究对象，提出了采用限定记忆最小二乘法辨识具有非线性参数的ＤＣ伺服电机系统动力学参数的新方法．（１）采用限定记忆最小二乘法，辨识出了伺服电机的非线性参数与运动状态相关的轨迹．（２）提出了以速度指令信号的周期设定限定记忆区间长度Ｌ的方案．（３）对用限定记忆最小二乘法辨识出的非线性参数列再构出非线性参数列与状态变化间的对应关系，然后对每个与状态变化相关的非线性参数列，使用最小二乘法进行二次曲线的拟合，进一步构造出非线性参数的近似模型．（４）将拟合得到的非线性参数列的模型代入到ＤＣ伺服电机的动力学方程式中，便可构成电机系统的非线性模型．采用限定记忆最小二乘法可以观测到系统的非线性参数与运动状态变化的关系，并且可以构成更精确的电机系统的非线性模型，通过对模型与电机系统之间的误差检定，确认了使用此方法建立的模型具有误差小、精度高，更接近实际系统．     

一种Hammerstein-Wiener系统的递归辨识算法

针对含有过程噪声的Hammerstein-Wiener系统,本文提出一种递归辨识算法用于系统的在线辨识. 首先使用多项式函数对系统非线性部分进行严格参数化,在此基础上以参数误差平方和的期望值最小为目标函数,推导出参数估计的递归更新公式,避免了过程噪声对辨识结果的影响. 通过对算法进行深入分析,得到参数一致收敛的条件,并给出算法中重要系数的设定方法,使参数收敛域得到扩大. 与传统两阶段法的数值仿真比较验证了该方法的优越性.     

有理模型辨识的两类新方法-----混合迭代与柔性最小二乘法

针对有理模型提出两类辨识方法.首先提出基于递阶辨识思想的混合辨识方法,将模型分解为分子和分母两个子模型,分别用最小二乘法辨识分子参数,用粒子群算法和智能多步长梯度迭代算法辨识分母参数.由于降低了模型维数,且信息向量与噪声不相关,相对于传统的偏差补偿最小二乘算法,混合迭代法可以提高辨识精度并降低计算量.然后,为消除模型结构已知的假设,且充分利用最新数据更新系统参数,提出柔性递推最小二乘辨识方法,将有理模型转化为时变参数系统,进而辨识出时变系统的参数.仿真例子验证了所提出方法的有效性.     

融合改进蚁狮算法和T-S模糊模型的噪声非线性系统辨识

针对传统的T-S模糊辨识方法难以准确辨识含噪声的非线性系统问题,将噪声信号和系统的其他输入变量一起作为模糊前件的输入,采用具有动态随机搜索和寻优半径连续收缩机制的改进蚁狮算法优化模糊前件的结构参数,使用加权最小二乘法实现模糊后件的参数辨识.数值仿真表明,所提出的辨识方法可以有效抑制噪声的影响,经过改进蚁狮算法优化后的T-S模糊模型辨识效果更好.最后,将所提出方法用于直拉硅单晶生长热模型的辨识,实验结果表明该方法优于传统的辨识方法.     

基于扩张状态观测器的可调系统参数辨识与实验

在测量噪声条件下,研究基于扩张状态观测器(ESO)的参数辨识方法和实际应用.结合仿真与实验,分析测量噪声对ESO观测状态输出的影响.为了提高实际应用中的辨识效果,通过引入积分型滤波器对观测状态中的噪声进行抑制.所提出方法可以很好地处理非均匀周期采样数据,适用于不规则采样系统的参数辨识.最后,在一类参数可调实验系统上构造两类实际对象,通过实验验证所提出辨识方法的有效性和实用性.     

列车动力学模型时变环境参数自适应辨识

考虑列车制动性能与制动距离对列车安全的重要影响, 分析了列车运行的动力学特性, 构建了列车离散化制动模型,并针对影响列车制动性能的关键参数 — 钢轨粘着系数难以直接观测、随钢轨环境变化的特点, 提出基于滑动窗口与最大期望理论的轮轨粘着系数在线辨识算法. 首先, 依据数据特征确定滑动窗口位置与窗口尺寸; 然后, 构造列车动力学模型参数的条件数学期望, 并结合粒子滤波与粒子平滑算法以及贝叶斯理论, 估计预设模型参数下的列车运行状态; 在此基础上, 分析粘着系数的后验概率, 并极大化条件数学期望对模型参数预设进行优化更新, 进而实现模型真实参数的逐步逼近. 最后, 考虑雪地、隧道等场景下的粘着系数变化, 对本文方法进行了仿真验证, 并数值分析了粘着系数对制动距离的影响. 仿真结果表明本文算法可快速、准确地对粘着系数进行实时辨识, 掌握轮轨间实时粘着状态.     

针铁矿法沉铁过程Fe2+浓度预测建模

针铁矿法沉铁过程中反应器出口的二价铁离子浓度无法在线检测,影响到生产过程的实时优化控制.为此需要建立二价铁离子浓度预测模型,以系统入口参数和控制参数等输入条件为依据,实现预测反应器出口二价铁离子的浓度值.基于化学反应动力学理论与实验研究确立预测模型的结构;对于模型中难以确定的参数,采用蕴含大量工况信息的实际生产数据辨识得到.通过参数输出灵敏度矩阵分析参数模型的敏感度,并将灵敏度信息引入模型参数辨识的目标函数,以提高模型参数的辨识精度.仿真结果表明:预测模型具有较为明确的物理意义,预测结果能很好地跟踪现场生产数据的波动,模型的精度可以满足生产需要.     

相关函数脉冲响应法系统实时辨识

结合了相关函数法和脉冲响应法两种经典系统辨识方法原理,在随机信号干扰的情况下,设计对系统实现实时辨识的仿真软件,获得系统的非参数模型。该仿真设计中,以M序列作为输入信号,白噪声信号作为干扰信号,进行了Matlab仿真实验,讨论了M序列的幅值,采样时间和周期长度对系统辨识效果的影响,以及分析M序列的选取方法来减少系统辨识误差。     

基于最小二乘法的中央空调空气处理系统的模型辨识及软件实现

空气处理系统是中央空调的主要组成部分,本文采用理论与实践结合的方法,运用最小二乘法和一种迭代的最小二乘法．对模型进行在线参数辨识。算法用vc＋＋实现,计算速度快,通过程序,得到了较好的模型拟合曲线。     

应用改进粒子群算法辨识Hammerstein模型

研究非线性系统辨识问题.针对非线性系统中单输入单输出Hammerstein模型,由于传统辨识方法对Hammerstein模型中非线性部分具有不易辨识的缺陷,造成辨识精度低、辨识效果差等问题.为此,在基本粒子群算法的基础上,提出了一种带有收缩因子的改进的粒子群算法对非线性系统进行辨识的方法,可将参数辨识问题转换为参数空间上的函数优化问题,然后利用粒子群算法的并行搜索能力进行参数寻优.通过MATLAB软件进行仿真,并与基本粒子群算法进行比较,结果表明,利用改进算法不仅提高了辨识精度而且获得了良好的辨识效果,从而验证了算法的有效性和可行性.     

加速度计信号奇异值分解滤波与参数辨识

针对石英挠性加速度计模型参数辨识的噪声影响问题,采用奇异值分解技术实现测量信号的滤波降噪处理,再结合总体最小二乘算法实现模型参数的高质量辨识.以重力场下的多齿分度台为测试分析平台,利用样本熵和统计参数定量评价辨识效果.试验结果表明,奇异值分解技术能有效去除信号中的噪声干扰,且通过降噪信号获得的模型系数稳定性较好.所采用方法有效地实现了加速度计参数辨识分析,可用于其性能质量评价.     

基于CEEMDAN的最优平滑降噪算法

经验模态分解类算法处理非线性、非平稳信号具有良好的自适应分解能力,可以将复杂信号分解成按照频率由高到低顺序排列的固有模态函数形式,提取分解后的模态函数构造滤波器可以实现对原始信号的降噪处理.针对构造滤波器时对模态函数缺乏最优的筛选指标,从而影响到降噪的准确性与降噪效果,提出一种基于CEEMDAN的最优平滑降噪算法.通过参数调节方式对模态进行筛选,从而设计出性能最优的滤波器实现对信号的降噪处理.通过模拟实验与实际实验,验证了该算法对于转动机械噪声信号具有良好的降噪效果.     

UD分解与偏差补偿结合用于变量带误差模型辨识

本文提出一种基于UD(upper-diagonal)分解与偏差补偿结合的辨识方法,用于变量带误差(errors-in-variables,EIV)模型辨识.考虑单输入单输出(single input and single output,SISO)线性动态系统,当输入和输出含有零均值、方差未知的高斯测量白噪声时,该类系统的模型参数估计是一种典型的EIV模型辨识问题.为了获得这种EIV模型参数的无偏估计,本文先推导出最小二乘模型参数估计偏差量与输入输出噪声方差以及最小二乘损失函数与输入输出噪声方差的关系,然后采用UD分解方法递推获得模型参数估计值,再利用输入输出噪声方差估计值补偿模型参数估计偏差,以此获得模型参数的无偏估计.本文还讨论了算法实现过程中遇到的一些问题及修补方法,并通过仿真例验证了所提辨识方法的有效性.     

矿用机器人驱动系统参数辨识

针对基于最小二乘法的参数辨识精度不高的问题,提出了一种基于鲸鱼优化算法的矿用机器人驱动系统参数辨识方法。通过建立矿用机器人驱动系统模型确定待辨识参数,将待辨识参数看作鲸鱼群个体位置,通过适应度函数来衡量每个鲸鱼群个体位置的优劣,利用鲸鱼觅食策略不断更新鲸鱼群个体位置,直至获得最佳鲸鱼群个体位置,即可获得最佳辨识参数。仿真和实验结果表明,与基于最小二乘法的参数辨识方法相比,该方法具有更高的辨识精度。     

基于近似偏最小一乘的闭环系统辨识新方法

本文基于近似最小一乘准则和主成分分析,针对反馈通道模型阶次低于前向通道模型阶次且反馈通道不存在噪声的闭环系统,进行了近似偏最小一乘递推辨识算法的推导.为解决最小一乘准则函数不可微的问题,本文算法用确定性可导函数近似代替残差绝对值.近似偏最小一乘辨识算法可以克服基于最小二乘准则的辨识算法在受到满足(SαS)分布的尖峰噪声干扰时残差平方项过大的缺点,具有目标函数可导,计算简单的优点.同时,通过主成分分析去除数据向量各元素之间的线性相关,可以得出模型参数的唯一解.仿真实验表明,本文算法可以对反馈通道模型阶次低于前向通道模型阶次的闭环系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性,可以更好地应用于闭环系统辨识.     

基于自适应同步的混沌调制保密通信

针对基于参数调制的自适应混沌保密通信问题,设计一种自适应混沌响应系统,将信息信号调制到混沌系统的某个参数中,通过构造自适应参数辨识与单个自适应控制器,实现混沌系统的同步与参数估计。在接收端,通过构造非线性滤波器,使信息信号有效恢复,实现保密通信。仿真结果表明,该系统同步性较好,解调信号逼近于信息信号,具有较强的保密性。