广义输出误差模型的两阶段最小二乘递推辨识

在有色噪声干扰系统中有一类系统, 它具有广义输出误差模型(OEARMA), 本文提出一类广义输出误差模型的 两阶段递推最小二乘参数估计算法. 该算法基本思想是结合辅助模型辨识思想和分解技术, 将系统分解成两个子系统, 每个子系统包含一个参数向量. 借助基于辅助模型和递推最小二乘理论, 用辅助模型的输出代替辨识模型信息向量中未 知中间变量, 用估计残差代替信息向量中不可测噪声项, 从而可以运用递推辨识思想来估计系统所有参数. 该算法具有 较高的计算效率, 仿真例子说明提出算法的有效性.     

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.     

具有限定记忆的辅助变量参数辨识法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计。可用于离线估计,也可用于在线估计。最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用。但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力。辅助变量递推算法解决了噪声的模型结构不确定且模型噪声是有色噪声时,最小二乘参数估计的元偏性和一致性问题,但依然存在数据饱和问题。为此在辅助变量递推算法的基础上引入限定记忆方式,获得了具有限定记忆的辅助变量参数估计递推算法,解决了辅助变量递推算法的数据饱和问题。仿真结果表明了该算法的有效性。     

基于递推模糊LSSVM的青霉素发酵优化控制

针对非线性、时变的发酵过程,提出一种递推式模糊最小二乘支持向量机建模方法。将最小二乘支持向量机和模糊思想融合起来,并采用递推式算法简化运算,仿真表明,建立的模型具有良好的预测效果。结合此模型采用粒子群优化算法优化发酵过程的补料速率控制轨线,结果证明该系统具有良好的控制效果。     

基于动态遗忘因子最小二乘与EKF的电池SOC估计

电池荷电状态SOC（State Of Charge）作为电池管理系统中尤为重要的一部分,其准确估计成为锂离子电池研究的重点。为了提高动态工况下的SOC估计精度,对锂离子电池等效模型进行分析,基于AIC（赤池信息）准则确定二阶RC电路为等效电路模型,使用递推最小二乘算法对模型参数进行在线辨识,为提高辨识精度,提出了改进带动态遗忘因子递推最小二乘算法,对算法加入遗忘因子,通过电压结果误差实时动态调整算法遗忘因子取值。将递推最小二乘算法和含动态遗忘因子最小二乘算法分别与扩展卡尔曼滤波（EKF）算法进行SOC联合估计,并对比其预测效果,结果表明含有动态遗忘因子最小二乘与EKF联合估计模型具有更高的精度和鲁棒性。     

损失数据线性参数系统的递推最小二乘辨识方法

针对损失数据线性参数系统的参数辨识问题, 借助辅助模型辨识思想推导出其变递推间隔辅助模型递 推最小二乘算法.为了提高该算法的计算效率, 利用分解技术得到变递推间隔分解递推最小二乘算法 估计系统参数.此外, 在变递推间隔分解递推最小二乘算法中引入遗忘因子, 从而提高参数估计精度和收敛速度.仿真结果表明, 所提出的算法能有效估计系统参数.     

基于KRLS的非均匀采样非线性系统辨识

利用提升技术可将非均匀采样非线性系统离散化为一个多输入单输出传递函数模型,从而将系统输出表示为非均匀刷新非线性输入和输出回归项的线性参数模型,进一步基于非线性输入的估计或过参数化方法进行辨识.然而,当非线性环节结构未知或不能被可测非均匀输入参数化表示时,上述辨识方法将不再适用.为了解决这个问题,利用核方法将原始非线性数据投影到高维特征空间中使其线性可分,再对投影后的数据应用递推最小二乘算法进行辨识,提出基于核递推最小二乘的非均匀采样非线性系统辨识方法.此外,针对系统含有有色噪声干扰的情况,参考递推增广最小二乘算法的思想,利用估计残差代替不可测噪声,提出核递推增广最小二乘算法.最后,通过仿真例子验证所提算法的有效性.     

时变迭合AR模型的参数估计*

首次提出了时变迭合ＡＲ模型,该模型在实际应用中具有广泛的应用价值．应用两步最小二乘法和限定记忆递推最小二乘法,给出了模型中时变参数的递推估计算法,该算法仅依靠量测数据即能自适应进行．仿真计算及应用结果表明：算法能够自适应地跟踪量测数据模型参数的变化,效果是令人满意的．     

飞机颤振模态参数辨识的频域广义整体最小二乘算法

采用一种适用于噪声环境的广义整体最小二乘算法,准确地辨识飞机的颠振模态参数．该算法结合有理传递函数模型,将带噪系统的辨识问题转化为广义整体最小二乘问题．利用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算．通过迭代法更新加权项,获得了接近于极大似然估计的辨识效果．最后利用试飞试验数据辨识飞机的模态参数,验证了该方法的有效性．     

直流电动机时变参数在线辨识方法

针对直流电动机的电枢阻抗以及转子转动动量等参数会随着其运行环境及工况的变化而发生变化,从而导致系统控制失效的问题,给出了一种基于递推最小二乘算法的直流电动机时变参数在线辨识方法,并设计了以TMS320F2812为核心的直流电动机控制系统。试验结果表明,使用递推最小二乘算法能够较好地实现直流电动机系统的时变参数辨识。     

基于交互容积卡尔曼的随机切换系统故障诊断

针对一类随机切换非线性系统的故障检测和故障估计问题,提出了一种基于交互式多模型和容积卡尔曼滤波(IMM-CKF)的系统状态估计算法。该算法利用容积卡尔曼滤波(CKF)在不同时刻对每个子系统进行状态估计,把不同子系统状态估计结果融合得到最终的状态估计,实现对系统真实状态的估计。针对一类随机切换非线性系统发生执行器故障,采用IMM-CKF估计系统状态;然后分析了IMMCKF算法的稳定性;根据状态估计结果,构造残差信号,设计残差评价函数,检测故障发生。当检测到故障发生时,设计增广系统,对故障幅值进行估计。通过仿真实验验证提出算法的有效性,结果表明该算法可以较为准确地诊断系统故障。     

基于极大后验估计的自适应容积卡尔曼滤波器

针对标准的容积卡尔曼滤波器(CKF) 设计需要精确已知噪声先验统计知识的问题, 提出一种自适应CKF 算法. 该算法在滤波过程中, 利用Sage-Husa 极大后验估值器对噪声的统计特性进行在线估计和修正, 有效地提高了CKF 的估计精度和数值稳定性. 在某些情况下, 噪声协方差估计会出现异常现象使得滤波发散, 进而提出了相应的改进方法. 仿真结果表明了自适应CKF 算法的可行性和有效性, 且明显改善了标准CKF 算法的滤波效果.     

基于AKF和RLS的车辆簧载质量辨识研究

实际应用中,车辆负载会随着乘客和货物的变化而发生显著改变.提出结合自适应卡尔曼滤波器(AKF)与递推最小二乘算法(RLS)进行车辆簧载质量的在线辨识.首先,采集四分之一车辆悬架的簧载振动加速度、动行程及车轮垂向加速度信号,对车辆悬架系统中的簧载质量和车轮的绝对速度进行估计,进而由遗忘因子递推最小二乘算法辨识车辆簧载质量.分析了在不同路面等级下,卡尔曼滤波器的过程噪声协方差和测量噪声协方差对悬架状态估计精度的影响.仿真结果显示,在选取与车辆行驶路面等级匹配的过程噪声协方差和测量噪声协方差时,车辆悬架状态参数的估计精度较高,并能够在线准确地辨识得到车辆的簧载质量值.     

基于仿射投影算法的时延估计

在时间延迟估计中,通常利用互相关算法对时延进行估计.然而,互相关算法受噪声影响较大,在低信噪比时无法准确对时延进行估计.LMS、NLMS等自适应算法能够避免噪声的影响,然而其收敛性较差.RLS自适应算法虽具有较好的收敛性,但算法复杂度较高.本文利用的仿射投影(AP)算法则具有较好的收敛性.模拟仿真表明该算法能准确估计时...     

基于参数估计的半挂汽车列车稳定性控制研究

车辆参数估计是半挂汽车列车稳定性控制研究的关键,通过递推最小二乘法（RLS）估计整车质量和轮胎侧偏刚度,进而获取挂车横摆转动惯量,将估计的车辆参数应用于稳定性控制系统,修正控制系统参数.基于商用车动力学仿真软件TruckSim建立了某半挂汽车列车的非线性整车仿真模型,在Matlab/Simulink中设计建立了稳定性控制逻辑和参考响应模型,通过TruckSim-Simulink的联合仿真对控制方案进行了验证分析.结果表明,基于名义参数设计的控制系统受载重变化的影响较大,而带有参数估计的控制系统由于能够对控制参数进行修正,可以较好地适应载运工况的变化,受载运工况的影响较小.     

基于传感器网络的1比特RLS算法

在基于传感器网络的参数估计中,如何尽可能降低网络的使用成本,同时又能获得较好的参数估计性能,是近年来受到国内外学者广泛关注的一个研究问题。为了减小网络的能量消耗和节省带宽、存储资源,本文考虑将传感器网络中每个节点的测量值压缩成1比特数据,然后将其传输到中心节点进行集中处理,并在此基础上提出了一种基于期望最大和递归最小二乘的自适应参数估计算法。论文通过一系列MATLAB仿真实验,验证了该算法具有较好的收敛性和鲁棒性,并能获得与使用非量化测量值的经典RLS算法相近的估计精度。     

改进强跟踪滤波算法及其在汽车状态估计中的应用

准确实时地获取汽车行驶过程中的状态变量,对汽车底盘控制有着重要的意义,而这些关键状态往往难以直接测量或 者成本较高.结合纵向、侧向和横摆三自由度非线性汽车模型,将改进强跟踪滤波(Improved strong track filter, ISTF)算法应用到汽车的状态估计中,并改进了算 法的稳定性.与扩展卡尔曼滤波(Extended Kalman filter, EKF)算法进行比较分析.通过Carsim和Matlab/Simulink联合仿真和实车双移线实验验证算法,结果 表明,该算法在估计精度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.     

基于并行学习鲁棒自适应的行驶车辆特性参数估计方法研究

针对车辆行驶过程中的特性参数估计问题,基于并行学习思想提出一种鲁棒自适应参数估计方法.通过低通滤波技术,设计一组系统状态和响应函数的一阶滤波变量.结合并行学习,构建特性参数估计的回归向量,并基于参数估计误差向量,设计鲁棒自适应参数更新律.以某型车辆为例,对该方法的有效性进行仿真验证.仿真结果表明,在无/有扰动情形下,该...     

几种巴斯模型参数估计方法的比较研究

在创新扩散的巴斯模型的基础上,提出了一种新的模型参数估计方法--采用蚁群算法作为巴斯模型参数估计方法.给出了运用蚁群算法思想设计的具体参数估计方法,并以中国移动通信技术的扩散为例,应用巴斯模型对其扩散趋势进行了实证研究,通过对蚁群算法和最小二乘法、遗传算法等传统参数估计方法估计结果的比较分析,得出结论,采用蚁群算法作为巴斯模型的参数估计方法效果更好.最后对中国移动通信技术的扩散趋势进行了预测并提出策略建议.