Taylor展开的线性时变系统参数辨识及误差分析

以辨识线性时变系统参数为目的,应用时变参数Taylor级数展开后变为定常系数多项式的特点,在利用实测系统响应数据建立的时变自回归滑动平均模型(Time varying-auto regressive moving average,TV-ARMA)基础上,对线性时变系统参数辨识方法进行研究.利用最小二乘法获得时变参数的定常待定系数.对输入、输出误差对参数辨识的影响以及算法对误差的放大作用进行分析,根据误差分析结果,以减少误差及提高效率和精度为目的,提出分段辨识方法以及处理参数边缘不连续的线性插值技术,提高辨识的效率和精度.在Matlab环境下对谐波快变以及线性慢变的时变参数进行辨识以及讨论,提出合适的分段长度.仿真结果显示,在一定的误差条件下,方法所获得的时变参数的轨迹与理论值比较吻合,所采取的措施具有较强的抗干扰性和高效性.     

移动最小二乘法的时变结构模态参数辨识

研究时变结构模态参数辨识,基于泛函矢量时变自回归模型(Functional series vector time-dependent AR model,FS-VTAR)提出一种改进的移动最小二乘法的时变结构模态参数辨识方法。该方法源于无网格法中构造形函数进行局部近似的思想,引入带权正交基函数对移动最小二乘(Moving least square,MLS)的基函数进行改进,使得在辨识时间域内构造形函数矩阵过程中不再出现数值条件问题,从而提高了计算精度。把时变系数在形函数上线性展开,利用最小二乘法得到形函数的系数,从而得到时变系数。把时变模型特征方程转换为广义特征值问题提取出模态参数。利用时变刚度系统非平稳振动信号验证该方法,结果表明:改进的移动最小二乘法相比于传统的FS-VTAR模型能有效地避免基函数形式的选择和很高的基函数阶数且更加高效,相比于移动最小二乘法能有效地避免辨识过程中的数值问题,具有更高的模态参数辨识精度。     

用于线性时变系统辨识的固定长度平移窗投影估计递推子空间方法

给出了一个新的用于线性时变参数结构系统模态参数识别的基于固定长度平移窗投影估计的递推子空间方法。首先推得基于平移窗投影估计的子空间跟踪算法,以代替奇异值分解,再推得系统数据矩阵的一阶修正形式,从而得到新的基于平移窗投影估计的递推子空间方法。该方法可有效地降低算法的计算量。最后通过刚度随时间变化的3自由度系统和一具有移动质量的机械臂系统的时变模态频率辨识仿真表明该方法可有效地辨识线性时变系统的伪模态参数。     

电液比例系统的H_∞鲁棒性控制设计

针对电液比例系统中系统控制数学模型参数时变要求控制器鲁棒性强的特点,通过分析电液比例系统的物理模型,利用线性分式变换(LFT)方法,引入乘性不确定性参数,给出了参数时变的电液比例模型,并得出了具有参数不确定性系统状态空间函数模型。运用线性矩阵不等式(LM I)的H∞控制器的处理方法,设计出基于H∞控制的电液比例系统控制器。利用该控制器可有效的抑制参数时变对系统输出的影响。仿真表明该控制器在较大不确定参数的变动下,控制器仍然能够使系统具有较好的输出性能,结果说明该鲁棒控制器的有效性。     

基于时变多变量Prony法的时变振动系统模态参数辨识

在经典的Prony法理论的基础上,提出了可以同时处理多维非平稳信号的时变多变量Prony法,并将其应用于时变多自由度振动系统的模态参数辨识。对传统的递推最小二乘算法加以改进,解决了时变多变量参数模型中时变参数矩阵估计的难题。对时变平面两杆操作臂系统进行仿真和分析,得出了较满意的结果。证明该算法在时变结构模态参数辨识方面,具有有效、准确的计算能力和较强的过程跟踪能力。     

线性时变结构模态参数时域辨识方法的研究进展

随着工程领域的不断拓展,越来越多具有显著时变特性的工程结构进入应用,时变结构动力学问题日渐凸显。从反问题的角度出发,介绍了时变结构动力学问题的研究背景与时变结构模态参数辨识的意义。在对时变结构模态参数辨识方法进行分类的基础上,给出了从参数化时域辨识模型中提取"时间冻结"模态参数的过程。系统全面地总结了时变结构模态参数时域辨识方法的研究进展,归纳了现阶段可用于辨识方法验证的实验系统,指出了该领域目前存在的一些问题以及今后需要进一步研究的主要方向。     

伺服系统线性特性和非线性摩擦的解耦辨识方法研究

针对伺服进给机构包含线性结构和非线性摩擦特性的特点,提出一种将线性模型和非线性摩擦特性进行分步解耦辨识的方法.首先分别确定伺服系统的线性模型和非线性模型,将伺服系统结构模型转化为线性模型加非线性摩擦反馈的结构.为了消除非线性摩擦力对线性模型的影响,采用2路同向非过零速信号对系统激励,利用2组系统输入和输出信号的差值作为线性参数的辨识数据对线性参数进行估计.获得线性模型后进一步利用系统稳态输出实现对非线性Coulomb摩擦幅值特性的估计.系统仿真和实验都证明了该辨识方法对提高伺服系统的辨识精度及控制器设计的有效性和可靠性.     

线性变参数振动系统的全局辨识

制造系统中存在大量振动特性随特定参数变化而变化的线性变参数振动系统。这类线性变参数振动系统的辨识目前主要通过局部辨识方法,为了准确辨识需要在不同调度变量下进行大量实验,往往效率很低。为了准确而高效地辨识线性变参数振动系统,提出一种全局辨识方法。对调度变量连续变化的线性变参数振动系统持续施加激励,将系统的振动微分方程进行时域离散,利用过完备字典函数库对离散模型进行表征,并利用稀疏回归进行求解,即可根据调度变量数据和系统的激励-响应数据一次辨识得到系统模型。以实际机床刀尖结构的模态参数数据,建立线性变参数振动系统代理模型进行验证。在单调度变量和多调度变量案例中,全局辨识得到的模态参数平均误差均在2.7%以下,充分显示了所提出全局辨识方法的有效性,也验证了线性变参数振动系统全局辨识的可行性。     

一种基于卡尔曼滤波的非线性模型在线模糊辨识算法

文章提出一种用于非线性模型在线辨识的模糊算法。该算法将非线性输入输出系统用时变线性系统模型来拟和，并把此非线性系统模型表示成模糊模型的形式，用在线调节模糊模型的方法来辨识时变线性模型的相关参数。本文将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数。仿真算例表明了此算法的有效性。     

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力.该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为...