基于非线性GA算法的MFF透射模型的参数辨识与优化

基于磁性流体(MF)磁链理论,建立了磁流体薄膜(MFF)传感模型,并通过Monte Carlo法分析了MF透射特性,建立了MFF透射模型。采用非线性遗传算法(GA)对MFF透射模型进行了参数辨识,分析了种群规模、进化代数、交叉率、变异率等参数选值对算法运行结果的影响,并选取了最佳参数组合,搭建了MFF电流传感器实验平台,分析了MFF厚度和粒子浓度对MFF透射性的影响,运用MFF透射模型对MFF电流传感器进行了仿真预测。实验及仿真结果表明该模型具有较好的预测性,预测误差在2.29%以内,所设计的MFF电流传感器的测量灵敏度达到11μW/A。     

基于非线性GA算法的动态P模型的参数辨识与验证

针对现有的GMM-FBG电流传感器的磁滞非线性问题,提出了一种改进的动态Preisach磁滞模型。采用非线性遗传算法对改进动态Preisach磁滞数学模型进行参数辨识,提高了动态磁滞曲线的预测精度。运用改进动态Preisach模型对GMMFBG电流传感器进行建模及实验验证,实验及仿真结果表明该模型具有较好的预测性,预测误差在3.0%以内。经过磁滞补偿使得传感系统电流的测量灵敏度达到0.050 nm/A。     

汽车座椅座垫非线性模型参数辨识研究

基于遗忘因子递推最小二乘法对汽车座椅座垫非线性模型参数辨识展开研究。首先根据汽车座椅座垫非线性特性,建立驾驶员处的人体-座椅单自由度非线性动力学模型;然后,在沥青路面上对某款轿车进行随机输入下的汽车平顺性试验,测量得到驾驶员座椅和座椅底部地板垂向加速度时间历程;最后基于遗忘因子递推最小二乘法,利用试验实测数据对座椅座垫非线性模型参数进行辨识与分析,分析结果将为座椅乘坐舒适性改善、汽车平顺性优化及控制研究等提供技术支持。     

基于三阶非线性Volterra模型的自适应快速辨识算法

摘要：目的：在RFID倒扣封装设备研制中,高速倒扣机械手具有很强的非线性和时变特性,线性控制方法难以满足要求,因此采用非线性自适应逆控制方法进行控制。此方法的关键是采用三阶非线性Volterra模型对机械手进行在线实时辨识,并满足建模精度和速度的要求。但采用常规方法因其计算时间长不能满足辨识速度要求。文章提出了一种快速辨识算法,可使系统辨识满足以上要求。方法：首先,利用不同阶输入向量的结构关系,由低阶输入向量直接构建高阶输入向量。接着,根据不同阶核的相关性从低阶核加速估计高阶核。最后,把线性变步长LMS方法引入到非线性自适应算法中,并用Lyapunov全局稳定理论进行证明。结果：通过对实际系统的辨识实验表明：与常规方法比较,辨识时间从100毫秒缩短为30毫秒,提高辨识速度3.3倍,降低辨识失调93.3%,同时还具有更高的辨识精度。结论：满足了对非线性系统辨识的精度要求和实时性要求。     

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。     

基于最优控制时变非线性参数模糊辨识

运动状态下结构连接处的时变物理参数对研究结构动态特性与工程实际应用具有重要价值,由此提出了一种结构连接处时变非线性物理参数辨识方法。该方法利用每个子结构的动力学模型,将结构连接处的非线性恢复力作为模型的输入,利用最优控制理论与模糊数学的方法辨识出结构连接处的非线性恢复力,并应用子结构法计算出结构连接处的响应,最后利用最小二乘法拟和了非线性恢复力．计算出非线性恢复力的时变系数。仿真算例表明了该方法用来计算连接结构物理参数精度较高。且结果稳定,避免了迭代发散的现象。     

一种非线性振动系统参数辨识方法

文献 [1]提出了一种对非线性系统线性化的最小二乘法理想线性化方法 ,此方法当动态参数在较大范围变化时 ,仍能较准确地逼近原系统。本文利用理想线性化的结论来对非线性系统进行参数辨识。先假设原系统非线性模型是由某些已知的非线性函数构成 ,并找到一个系统较为逼近的线性模型 ,再利用理想线性化的结论推导出线性模型系数和非线性模型系数之间的关系 ,反推出系统的非线性模型。数值仿真结果表明 ,此非线性模型比最初线性模型更加逼近原系统。     

长行程气缸非线性系统的模型辨识

一、引言长行程缸由于活塞所处位置不同,引起系统数学模型的变化。这种情况,对于工作行程范围较短的缸(如电液振动台、小幅值力控制装置)来说,影响可以不计。然而若需要在全行程范围内对气缸状态进行控制时(如长行程缸速度动态控制或位置动态控制),这种模型的非线性是必须考虑的。在阀缸系统中,传统的方法是用活塞在中位时的系统模型来代替任何情况下的模型,然而本文后面的理论和实践都将证明,这种做法在对气缸状态进行动态控制时具有很大误差。     

基于BP神经网络的非线性系统辨识

工业系统大多具有大滞后、非线性的特点,难于控制.本文介绍了基于BP神经网络实现对非线性系统的辨识和仿真分析,并给出了实例.仿真结果表明,该方法可以对工程中常遇的复杂的、非线性较强的系统进行辨识,具有一定的适用性.     

基于ARMAV模型的结构参数辨识

根据激振信号{ft}和响应信号{xt}建立二维时序模型ARMAV(n,m,2),利用时序模型参数与模态参数的对应关系对结构进行模态参数辨识,识别出所有的模态参数,并根据时序模型参数进行功率谱估计。通过对电子机柜横梁的激振实验,表明用该种方法对结构参数的识别结果与理论值很吻合,可以在工程实际中对整个电子机柜结构进行参数识别,并可以得出功率谱图。     

基于传递函数和非线性参数辨识的DC-DC最优设计

为了提高DC-DC变换器的性能,提升其在光伏发电系统中的效率,一种基于传递函数和非线性参数辨识的DC-DC变换器优化设计方法被提了出来.该方法被用于设计光伏发电应用中的Buck型DC-DC变换器,并进行了数值仿真.仿真结果表明,通过该方法设计的DC-DC变换器具有较好的性能表现.同时,一套包含有运用该理论设计的变换器的...     

MIMO线性时变系统分段恒定矩阵参数模型辨识算法

针对多输人多输出线性时变系统参数模型的辨识问题,利用块-脉冲函数展开式和块-脉冲函数独特的脱关性和互换性等性质,采用一种新型的二值正交函数BPF,利用系统的状态方程,推导出简易线性时变系统的系统矩阵和输入矩阵的分段恒定矩阵的参数模型辨识算法.该辨识算法不受预先选定的时间分段数的限制,辨识可延续到任意需要时刻;当分段步长趋近于零时,各分段子区间的误差趋近于零,且由于误差在各个区间之间不传递,故该算法是稳定和收敛的.仿真实例验证了辨识算法的有效性.     

一种改进的驾驶员模型参数辨识算法

在现有的最优预瞄曲率驾驶员模型的基础上,用惯性环节近似替代其中的延时环节,得到一个新的驾驶员模型。基于该驾驶员模型,得到辨识所需要的系统输入和输出的仿真数据。进而应用递归最小二乘算法和非线性最优化方法,对该驾驶员模型中的参数进行辨识,在辨识过程中引入权重向量提高了相应的辨识精度。结果表明,该方法可以有效地辨识相应的驾驶员模型参数,对模型参数的离线辨识具有参考意义。     

基于差分进化算法的SCR喷氨量模型参数辨识

针对火电厂获取的选择性催化还原(SCR)烟气脱硝系统中喷氨量—出口NO_x质量浓度的现场数据,采用差分进化算法构建一阶惯性加纯延迟的系统模型。结果表明,差分进化算法的辨识所得模型能够较好地表征实际系统的动态和静态特性。     

基于IRLS算法的机器人动力学参数辨识

为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares, IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹采集数据。为提升动力学参数辨识的准确性,在加权最小二乘法基础上进行改进,提出了IRLS算法对动力学参数进行辨识。最后以六自由度机器人为试验对象,进行了参数辨识试验。结果表明,基于IRLS算法的辨识方法与加权最小二乘法相比,前3个关节力矩误差的均方根(Root Mean Square, RMS)值降低了13.28%,后3个关节力矩误差的RMS值降低了28.57%,6个关节力矩误差的RMS值平均降低了17.15%,证明了基于IRLS算法的辨识方法的有效性。     

基于恒位移测试的转子系统非线性支承刚度参数辨识研究

采用基于正弦扫频技术的恒位移测试方法来获取转子支承系统在一系列恒定位移幅值响应下的频响函数,并辨识转子支承的非线性刚度参数。首先对转子支承系统进行两端支承状态下的模态分析,得到转子系统在线性支承条件下的模态;然后采用正弦激励进行仿真测试,对转子支承进行不同水平的恒位移测试,通过模态分析得到不同响应水平下的模态参数,建立等效非线性参数与响应之间的关系,再结合等效线性化理论,识别非线性刚度参数。     

基于子系统的非线性时变系统辨识方法

针对非线性时变系统提出一种基于子系统的辨识方法,用于时变多自由度（multiple degree-of-freedom,简称MDOF）系统中非线性的定位和估计,并且无需关于系统的先验知识。所提出的新方法提供一个连续时间模型,MDOF系统按照自由度被分解为不同的子系统。设计正交化算法和误差减小率（error reduction ratio, 简称ERR）,可以确定子系统中质量和自由度之间的线性及非线性连接的所有信息。在辨识过程中,时变参数的时间表达式可以由新方法准确给出。用一个3自由度（degree-of-freedom, 简称DOF）集中质量系统和一个机械臂结构的辨识过程为例,对所提出的方法进行验证。由于简单性及高效性,此方法将在实际工程中取得广泛的应用。     

基于遗传算法的伺服系统摩擦模型参数辨识

文章研究受摩擦因素影响的伺服系统的摩擦模型参数辨识问题,该系统具有未知负载特性和非线性摩擦,给摩擦模型参数辨识带了较大的困难。首先将系统的输入力矩分解为线性力矩和非线性摩擦力矩,其中线性力矩部分用于驱动负载转动,非线性摩擦力矩用于克服摩擦作用;然后基于Stribeck摩擦模型,采用遗传算法进行参数优化。在直流伺服系统上的仿真结果显示了该方法的有效性。该辨识方法对系统已知信息要求较少且容易实现,具有很强的工程实用价值。     

基于DTC-LS的加速度计动态模型参数辨识

加速度计动态模型对描述和分析其动态特性具有重要作用。针对加速度计绝对法冲击激励校准中未知延迟时间对加速度计动态模型参数辨识精度的影响,提出了一种基于延迟时间修正(DTC)和最小二乘(LS)的加速度计动态模型参数辨识方法,该方法将延迟环节引入加速度计动态模型中,使用加速度计冲击激励与响应数据的傅里叶变换估计频率响应函数,采用LS方法和极小化相位误差准则函数迭代修正延迟时间,并利用延迟时间修正后的加速度计冲击激励与响应数据,辨识加速度计动态模型参数。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够有效地消除延迟时间对加速度计动态模型参数辨识的影响,辨识获得的加速度计动态模型参数具有较高精度。