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。     

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。     

一种新的线性分布参数系统辨识方法

本文应用块脉冲函数（ＢＰＦ）将含有未知参数的线性分布参数系统偏微分方程转换为矩阵方程，通过最小二乘法辨识线性分布参数系统的参数，辨识结果表明，ＢＰＦ辨识法具有原理简捷，实现方便，辨识精度高等优点。     

一种非线性系统的参数辨识

本文对带有死区和正反不对称非线性输入的线性系统提出了两种开环参数辨识算法,并通过仿真验证了算法的有效性.     

一种新型非线性系统模型参数辨识方法

关于非线性自动控制系统优化问题,为解决复杂非线性系统的辨识问题,提出了一种基于菌群优化算法的非线性系统辨识方法.结合菌群优化算法的特点,通过将待辨识参数设置为群体细菌在参数空间的位置,并利用细菌群体觅食的动态行为来实现对系统参数的辨识,有效地提高了参数辨识的精度和效率.通过对重油热解三集总模型进行了仿真研究,得到了较为精确的过程模型,模型输出与实际输出基本一致.仿真结果表明:菌群优化算法为非线性系统模型参数估计提供了一种有效的途径.     

基于小波逼近变换的非线性分布参数系统辨识

利用Haar小波正交规范基的微分运算矩阵及其运算性质,将描述一类非线性分布参数系统的偏微分方程转化为代数矩阵方程,结合最小二乘法,确定出待辨识的系统参数,避免了对偏微分方程进行多重积分运算的繁琐;并且,可以不考虑初始条件和边界条件,较其他采用积分运算矩阵的辨识方法要简单得多,简化了分布参数系统辨识的求解过程。该方法简单,计算量小,辨识精度高。仿真结果表明了该算法应用在非线性分布参数系统辨识中的有效性。     

一种新型的非线性系统模型参数辨识方法

针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于微粒群优化(PSO)算法的模型参数辨识方法,利用PSO算法强大的优化能力,通过对算法的改进,将过程模型的每个参数作为微粒群体中的一个微粒,利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率.     

非线性分布参数系统的块脉冲函数辨识法及截断项数的最佳选取

本文介绍了利用二维块脉冲函数辨识一类非线性分布参数系统的方法,强调并进行了这种近似处理下的误差分析,通过构建一非线性数规划模型讨论了截断项数的最佳选取问题,给出了两个实例以分别说明有关的概念和方法。     

时变非线性分布参数控制系统的小波辨识算法

基于正交函数逼近理论,在Haar小波正交规范基的基础上,总结并推导出了其积分运算矩阵、微分运算矩阵、乘积运算矩阵及其运算性质,并应用于一类时变非线性分布参数系统的辨识.借助于正交小波函数逼近方法对分布参数系统进行辨识,经正交小波逼近变换转化为代数矩阵方程,因此该方法可以不考虑初始条件和边界条件,较其他辨识方法要简单得多.该算法简单、计算量小、简化了分布参数系统辨识的求解过程,应用在分布参数系统辨识中不失为一种有效的分析方法.     

一类非线性系统参数辨识的新方法及其在生化发酵过程建模中的应用

本文运用按段多重Legendre多项式系(PMLP)[1],对一类参数可分离的非线性系统的参数辨识给出一种新方法,所提算法具有精度高、计算量小、不必具有待辨识参数的先验知识和可进行递推辨识等优点.该算法已成功地应用于只有少量实测数据的螺旋霉素菌体生长模型的动力学参数的辨识.结果表明,此算法是该类非线性系统的一种有效和简便的参数辨识方法.     

一类非线性系统参数辨识的新方法及其在生化发酵过程建模中的应用

本文运用按段多重Legendre多项式系(PMLP),对一类参数可分离的非线性系统的参数辨识给出一种新方法,所提算法具有精度高、计算量小、不必具有待辨识参数的先验知识和可进行递推辨识等优点。该算法已成功地应用于只有少量实测数据的螺旋霉素菌体生长模型的动力学参数的辨识。结果表明,此算法是该类非线性系统的一种有效和简便的参数辨识方法。     

一类分布参数系统辨识及其状态观测器设计

本文研究了一类非线性分布参数系统的模型辨识及其状态观测器的设计方法,为这类系统的研究提供了新的途径。将这种方法应用于沸腾炉空气埋管动态过程的研究时,其有效性得到证实。     

一种非线性系统的辨识与控制方法

本文针对机械行业几种典型非线性系统，提出一种软件补偿的只与控制方法，实验证明，这是一种实用有效的方法。     

一类非线性系统辨识的参数空间优化遗传算法

提出一种用于非线性系统辨识的具有较强参数空间优化能力的遗传算法,给出一种新的复合型变异算子,并设计相应的选择策略,较好解决了非线性系统辨识中的“维数灾难”问题。实验研究结果表明,该方法具有较高的精度和鲁棒性。     

基于Haar函数的分布参数系统辨识

借助于正交函数序列对分布参数系统进行辨识，是一种妊之有效的辨识方法。     

非线性系统的参数空间分割辨识方法

本文提出了一种新的非线性系统Volterra级数模型辨识方法,为非线性系统辨识中 的“维数灾难”问题提供了一种满意的解决．算法中参数空间分割和模型辨识同时完成,降 维依据采用输出拟合结果的均方误差,最终得到输出拟合均方误差意义上的准最优解．本算 法也可以作为非线性系统模型的结构辨识算法,并可以直接推广应用于其它很大一类非线性 系统模型．仿真试验结果表明,算法计算量小,精度高,并具有较好的稳定性,可以应用于 在线实时辨识．     

稳态估计与动态辨识相结合的辨识非线性系统的新方法

本文针对Ｈａｍｍｅｒｓｔｅｉｎ系统，提出了一种辨识非线性增益和脉冲响应的新方法，该方法同时利用稳态和动态两种信息，所得到的估计是强一致性的，并且还研究了非线性增益估计误差的渐近分布和收敛速度，仿真结果说明了该方法的有效性和实用性。     

基于菌群优化算法的非线性系统模型参数辨识

非线性系统模型参数估计一直是自动控制领域的研究热点。针对非线性系统,结合菌群优化(BSFO)算法的特点,提出了一种新型的非线性系统模型参数辨识方法。通过将待辨识参数设置为群体细菌在参数空间的位置,并模拟细菌群体觅食的动态行为来实现对系统参数的辨识,有效地提高了参数辨识的精度和效率。通过对重油热解三集总模型进行了仿真研究,得到了较为精确的过程模型,模型输出与实际输出基本一致。仿真结果表明,菌群优化算法为非线性系统模型参数估计提供了一种有效的途径。     

多项式非线性系统的并行分布辨识

在状态空间方程中引入输入和状态的多项式函数,以此多项式函数表示非线性因素.为了辨识多项式非线性系统中的各系统矩阵,对于矢量化各系统矩阵组成的未知参数矢量,分别在无约束和有约束条件下采用两并行分布算法求解.在以状态方程等式为约束条件时,将各状态瞬时刻值与由系统矩阵组成的未知参数矢量合并为一个新的优化矢量.对于优化矢量的辨识,给出了并行分布算法的求解过程和迭代式.最后,通过仿真算例验证了所提出方法的有效性.