含有有色噪声的非线性分数阶系统自适应扩展卡尔曼滤波器

研究了含有未知参数的情况下,分别含有分数阶有色过程噪声和有色测量噪声的连续时间非线性分数阶系统状态估计问题.采用Grünwald-Letnikov (G-L)差分方法和1阶泰勒展开公式,对描述连续时间非线性分数阶系统的状态方程进行离散化和线性化.构造由状态量、未知参数和分数阶有色噪声的增广向量,设计自适应分数阶扩展卡尔曼滤波算法实现对有色噪声情况下的连续时间非线性分数阶系统的状态和参数的估计.最后,通过分析两个仿真实例,验证了提出算法的有效性.     

反馈非线性系统随机梯度辨识算法及其收敛性

反馈非线性受控自回归系统是由前向通道的受控自回归模型和反馈通道的静态非线性构成, 这类系统经过参数化后得到双线性参数辨识模型. 本文通过对辨识模型中双线性参数乘积项进行分解, 基于梯度搜索原理, 提出了反馈非线性系统的随机梯度辨识算法. 为了改善随机梯度算法的收敛速度, 引入遗忘因子, 文章给出了遗忘因子随机梯度算法, 利用随机过程理论, 建立了随机梯度算法的参数估计收敛定理, 证明了算法的收敛性. 最后, 通过数值仿真验证了算法的有效性.     

变遗忘因子多新息随机梯度算法双馈电机参数辨识

针对电机运行过程中参数变化特点,基于多新息辨识理论与随机梯度辨识算法理论,结合变遗忘因子,提出了基于变遗忘因子多新息随机梯度算法的双馈电机参数辨识方法。该方法考虑到双馈电机非线性强耦合,采用定子磁链定向的矢量控制技术,搭建双馈电机矢量控制系统采集数据,并推导dq坐标系下电机参数辨识模型的标准形式,根据算法辨识出电机电感及电阻参数。仿真结果验证了该算法的有效性。     

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.     

鞅超收敛定理与遗忘因子最小二乘算法的收敛法分析

本文扩展了用于分析时不变系统辨识算法收敛性的鞅收敛定理,建立了鞅超收敛定理。它可以作为工具来分析时变系统的各种辨识算法的收敛性,为地变系统收敛性和稳定性分析这一困难课题提供了新方法,开辟了新路。     

辨识时变系统遗忘因子算法的收敛性分析

著名的递推遗忘因子算法（ＲＦＦＡ）可以用辨识时变系统参数,具有良好的跟踪性能,本文借助于随机过程理论分析了ＲＦＦＡ的收敛性和稳定性,给出了参数跟踪误差的上下界。     

基于移动数据窗的传递函数多新息随机梯度辨识方法

一些工业过程可以近似用一个传递函数描述,结合统计辨识方法和非线性优化策略提出传递函数参数辨识方法.该方法采用动态数据方案,使用系统观测数据获得系统更多的模态信息.基于动态观测数据,提出传递函数随机梯度参数辨识方法.为进一步提高辨识精度,利用动态窗数据将随机梯度参数辨识方法中的标量新息扩展为新息向量,提出传递函数多新息随机梯度参数估计方法.最后通过仿真例子对所提出的方法进行了性能分析和模型验证.     

连续Wiener模型参数估计方法

本文提出一种含随机干扰的连续 Wiener 模型参数估计的方法.该方法利用不同幅值的伪随机输入试验信号,离析出连续系统的线性子模型,用频域估计法得子模型的参数估值.再结合运用最小二乘法估计出 Wiener 模型的非线性特性系数.文中讨论了经过等效变换后的干扰信号与系统输出端原干扰信号的关系,相应地给出两个引理及其证明.仿真结果表明,该方法计算速度较快且参数估值精度较高.     

连续Wiener模型参数估计方法

本文提出一种含随机干扰的连续Wiener模型参数估计的方法．该方法利用不同幅值的伪随机输入试验信号,离析出连续系统的线性子模型,用频域估计法得子模型的参数估值．再结合运用最小二乘法估计出Wiener模型的非线性特性系数．文中讨论了经过等效变换后的干扰信号与系统输出端原干扰信号的关系,相应地给出两个引理及其证明．仿真结果表明,该方法计算速度较快且参数估值精度较高．     

Two-stage multi-innovation stochastic gradient algorithm for multivariate output-error ARMA systems based on the auxiliary model

ABSTRACT

This paper investigates the parameter estimation problem for multivariate output-error systems perturbed by autoregressive moving average noises. Since the identification model has two different kinds of parameters, a vector and a matrix, the gradient algorithm cannot be used directly. Therefore, we decompose the original system model into two sub-models and proceed the identification problem by the collaboration between the two sub-models. By employing the gradient search and determining the optimal step-sizes, we present an auxiliary model based two-stage projection algorithm. However, in order to alleviate the sensitivity to the noise, we reselect the step-sizes and derive the auxiliary model based two-stage stochastic gradient (AM-2S-SG) algorithm. Based on the AM-2S-SG algorithm, an auxiliary model based two-stage multi-innovation stochastic gradient algorithm is proposed to generate more accurate estimates. Finally, numerical simulations are provided to demonstrate the effectiveness of the proposed algorithms.     

辫识时变随机系统遗忘因子算法的收敛性分析

文「１」给出了辨识时变随机系统遗忘因子算法的收敛性分子,本文指出了文「１」中的一些证明和结论上的错误,并给出了相应的改正和完善。     

基于随机梯度的双率系统自校正控制方法

针对输入更新频率是输出刷新频率整数倍的未知参数双率系统,设计一个损失输出估计器计算采样间输出,再根据随机梯度算法设计参数估计器并得到系统模型的估计参数,基于最小方差控制原则设计出双率系统的自适应控制器。通过与基于最小二乘方法辨识系统参数的自适应控制算法进行比较,可以看出该算法的计算量较小,尤其是在输入数据更新频率与输出数据刷新频率相差较大时,计算量的差距更加明显。最后用仿真例子说明了该算法的有效性。     

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。     

线性多变量系统的联合辨识算法

本文提出了同时估计线性多变量系统所有参数的联合辨识算法(CIA),并用随机过程理论分析了算法的收敛性。与子系统辨识算法(SSIA)相比,CIA的计算量要小得多。各输出间存在相互作用噪声时的辨识问题通过使用递推广义增广最小二乘法(RGELA)得到解决。数字仿真结果表明了CIA的有效性。     

非线性时变随机系统状态及参数的实时联合估计

在文[1]中,我们给出了一种用于一类非线性时变随机系统的带次优渐消因子的扩展卡尔曼滤波器,可以估计出快速变化的系统状态.本文推广了文[1]的结果,使其可处理一般的非线性测量.同时,给出了一种状态及参数的联合估计方法.所做大量仿真研究表明,本文方法具有良好的实时性及动态跟踪性.     

非均匀采样数据系统的一种辨识方法

阐述了非均匀采样方案,推导了非均匀多率采样系统的状态空间模型,进一步获得了对应的传递函数模型.为解决辨识模型信息向量中存在未知变量的问题,使用辅助模型技术,用辅助模型的输出代替系统的未知变量,进而提出了非均匀采样数据系统的辅助模型随机梯度辨识算法.为了提高算法收敛速度和改善参数估计精度,在算法中引入遗忘因子,给出了相应的辅助模型带遗忘因子随机梯度算法.仿真结果表明,引入遗忘因子后,算法的收敛速度加快,参数估计精度提高.     

具有未知参数的不确定分数阶Sprott-C系统的Terminal滑模同步

基于滑模控制的优良性能,探讨了利用Terminal滑模控制实现分数阶混沌系统的有限时间同步问题,给出了滑模控制实现具有未知参数和扰动的分数阶Sprott-C驱动—响应系统(阶数0<α<1)的同步结论。通过构造合适的滑动模态曲面,针对系统未知参数上界已知和未知两种情况,设计了合适的分数阶控制器和参数自适应率,结合分数阶微分方程相关理论和有限时间稳定性定理,证明了实现该系统的同步控制结论,并对未知参数和扰动上界进行了准确估计。最后选取适当参数,通过数值仿真,验证了所给结论的有效性和可行性。