动态系统时变参数的辨识

本文给出了跟踪动态系统时变参数的一种简单而有效的算法,引出了多输出系统输出可分离性的概念,说明在辨识的过程中,在适当条件下,n输出系统可分解成n个一定意义下与之等效的单输出系统,这种方法将给时变参数的辨识带来方便.本文的结果主要应用于预报模型的辨识.     

Identification and Identifiability of Unknown Parameters in Multibody Dynamic Systems

Assessing design changes in mechanical systems from simulationresults requires both accurate dynamic models and accurate values forparameters in the models. Model parameters are often unavailable ordifficult to measure. This study details an identification procedure fordetermining optimal values for unknown or estimated model parametersfrom experimental test data. The resulting optimization problem issolved by Levenberg–Marquardt methods. Partial derivative matricesneeded for the optimization are computed through sensitivity analysis.The sensitivity equations to be solved are generated analytically.Unfortunately, not all parameters can be uniquely determined using anidentification procedure. An issue of parameter identifiability remains.Since a global identifiability test is impractical for even the simplestmodels, a local identifiability test is developed. Two examples areprovided. The first example highlights the test for parameteridentifiability, while the second shows the usefulness of parameteridentification by determining vehicle suspension parameters fromexperimentally measured data.     

工业机器人负载动力学参数辨识方法

为了解决负载变化导致的机器人控制性能降低的问题,本文在分析负载动力学参数对各关节力矩的影响的基础上,提出了一种仅驱动机器人的第3、4、5、6轴运行激励轨迹的辨识方法.首先,基于最小惯性参数集线性化工业机器人动力学模型;其次,在分析负载参数对各关节力矩的影响的基础上,选取相应的运动关节轴,设计适用于负载辨识的有限项傅里叶级数的优化激励轨迹;然后,在空载和带3种不用负载情况下运行激励轨迹,采集关节角度和关节力矩数据,并将数据通过低通滤波器处理;最后,基于动力学线性模型使用加权最小二乘法辨识负载动力学参数.机器人运行验证轨迹,通过计算负载力矩计算值和测量值的差的均方根(RMS)来评价负载辨识结果.同时将该方法与CAD (computer aided design)方法对比,结果显示前者最多可以将后者RMS值降为原来的16%,且该方法对不同负载辨识结果稳定有效.该方法避免了驱动所有关节轴运动的方式,减小了机器人耦合带来的误差,同时缩短了激励轨迹参数优化时间,有效提高负载动力学参数的辨识效率和效果.     

输出信号量化的双率采样系统参数辨识方法

针对双率采样和信号量化(signal quantization)[BFQB]的控制系统,采用随机重复性试验测量信息,提出基于辅助模型的双率采样量化控制系统辨识方法.分析了在随机重复试验和放松估计误差方差条件下,双率采样量化系统的模型特征并给出了分两步辨识的策略,推导了进行参数辨识所满足的持续激励条件,并给出了基于辅助模型的双率采样量化控制系统量化辨识递推算法;接着分析了所给出量化辨识递推算法的收敛性,得到了双率采样量化系统参数估计误差上界的计算式,最后数字仿真验证了该算法及结论的有效性.     

Digital Identification of Nonlinear Dynamic Systems

An algorithm for designing conditional regression models of nonlinear dynamic systems is described. The complexity of the model is evaluated using the properties of data digital representation. The identification algorithm automatically chooses a structure for a system. Algorithms for complete and incomplete experiments are described. An example is given.     

一种基于循环谱的时频混叠信号参数估计方法

时频混叠信号的参数估计是通信信号领域一个新兴课题,它是对混合信号进行分离,识别与解调等后续处理的基础。信号经过调制、成形及采样后具备循环平稳的特性。本文基于时频混叠信号的循环平稳特性,计算其循环谱并用形态学滤波的思想提取含有载频与码元信息的截面的谱峰,而后进行搜索从而实现估计。解决了参数配对的问题,并且由形态学滤波在提取谱线时能有效降低背景色噪声。同时探究了多径与多普勒频移信道下该算法对估计精度的影响。经仿真验证,该算法能实现BPSK与8QAM任意任何后的载频与码元速率估计,具有抗噪声,精确度高等优效性。     

一种Hammerstein-Wiener系统的递归辨识算法

针对含有过程噪声的Hammerstein-Wiener系统,本文提出一种递归辨识算法用于系统的在线辨识. 首先使用多项式函数对系统非线性部分进行严格参数化,在此基础上以参数误差平方和的期望值最小为目标函数,推导出参数估计的递归更新公式,避免了过程噪声对辨识结果的影响. 通过对算法进行深入分析,得到参数一致收敛的条件,并给出算法中重要系数的设定方法,使参数收敛域得到扩大. 与传统两阶段法的数值仿真比较验证了该方法的优越性.     

多输入多输出系统参数的集员辨识

本文讨论了多输入多输出系统参数的集员辨识。在系统动态噪声功率有界的假定下导出了ＭＩＭＯ系统参数的成员集合是个椭球，证明在一定条件下椭球趋向于一点。文中的仿真例子验证了上述结果。     

Hammerstein系统参数的集员辨识

本文运用多输入多输出系统参数的集员辨识的结果讨论了Ｈａｍｍｅｒｓｔｅｉｎ系统参数的集员辨识．在系统动态噪声有界的假定下导出了Ｈａｍｍｅｒｓｔｅｉｎ系统参数的成员集是个椭球，并证明了在一定条件下椭球趋向于一点，文中还给出了仿真例子．     

A Numerical Method of Restoring the Parameters of a Dynamic System

The author analyzes the problem of parametric identification with respect to a linear non-autonomous system with multipoint non-separated initial boundary-value conditions. A numerical approach is proposed for deriving system parameter based on the procedure of shift of the initial boundary-value conditions that develops the well-known method of boundary conditions transfer.     

一类非线性动态系统的非参数GFRF模型辨识

本文对一类用多项式描述的非线性动态系统提出使用ＧＦＲＦ模型类的非参数辨识算法，这种算法的显著特点是需要很小的计算量和存储空间，而且辨识精度较高，仿真结果表明这种非参数模型辨识算法是有效的，而且由辨识方法获得的模型一般具有很好的泛化能力，因而是一种具有重要应用前景的实用方法 。     

具有良好时频性能的电力系统次同步振荡模态在线辨识算法

介绍了一种适用于电力系统次同步振荡在线监测的非平稳信号模态辨识算法,该算法综合了经典IIR窄带滤波器组算法及经验模态分解(empirical mode decomposition,EMD)算法的优点,利用次同步振荡分析获得的预知频率信息,对可能导致模态混叠的相邻模态做数字滤波器(Infinite Impulse Res...     

时变系统辨识的多新息方法

推广了估计时不变参数的单新息修正技术,提出了多新息辨识方法.该方法可以抑制坏数据对参数估计的影响,具有较强的鲁棒性.分析表明多新息方法可以跟踪时变参数,计算量也较遗忘因子最小二乘法和卡尔曼(Kalman)滤波算法要小.仿真结果说明多新息算法估计系统参数是有效的.     

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.     

应用最小二乘法辨识闭环系统

研究了有色噪声扰动下闭环系统参数的无偏估计问题.基于偏差补偿最小二乘辨识方法,提出了一种用于闭环辨识的偏差补偿最小二乘法.这种方法不需要对噪声建模,即可获得闭环系统前向通道和反馈通道传递函数中参数的渐近无偏估计.     

一种闭环条件下的多变量系统辨识方法

为得到带有色噪声的闭环多变量系统参数无偏估计,提出两阶段随机梯度辨识算法,此算法利用中间模型将闭环问题转化成两个开环问题,并基于随机梯度算法和递阶辨识原则,用最速下降法极小化预测误差准则来得到参数估计.算法只需一个测试信号,不需要控制器的先验知识,计算简便,能获得满意的结果,适用于闭环多变量系统的在线辨识.     

一类动态系统的可靠性实时预测方法研究

研究了一类带有某种隐含的性能退化过程的动态系统的实时可靠性预测问题。在初始性能变量值不确定的情况下,首先基于粒子滤波算法和迭代极大似然估计方法,利用系统的输出信息辨识了性能退化轨道函数中的未知参数,并实时估计性能变量值。然后根据性能退化过程辨识结果实时地预测系统在未来一段时间内的可靠性指标。基于三容水箱的仿真实验结果验证了方法的有效性。     

动态系统模糊辨识的新算法*

本文针对复杂动态系统的辨识问题，提出了一种基于一类标准模糊系统的模糊辨识的简单学习算法。仿真研究表明该算法具有辨识精度高、所需样本量小以及运算速度快等优点，是动态系统模糊辨识的有效工具。