基于弱非线性系统Volterra核辨识的算法

本文详细论述了非线性系统二阶Volterra核辨识的函数束法 ,提出了实现这一思想的计算机仿真算法     

基于双阶跃信号输入的Volterra模型辨识

Volterra模型作为非线性领域的一种非线性模型,由于其对工业过程可以以任意精度逼近,使得该模型有很广泛的应用研究意义。在将该模型运用到实际控制系统中之前,模型的高精度辨识显得尤为重要。在以往针对Volterra模型的辨识算法中,基本上主要是采用通用辨识算法识别模型参数,比如最小二乘法及各种改进的最小二乘法。这些通用的辨识算法在辨识Volterra模型时,不能充分考虑其非线性特点,同样不能在辨识过程中充分利用该特点。本文在充分考虑Volterra模型非线性的前提下,提出了一种基于双阶跃信号输入的Volterra模型辨识算法,该算法辨识原理简单,计算量较小,论文最后将该辨识算法应用到典型非线性CSTR系统的的辨识中,辨识结果证明了算法的有效性。     

基于弱非线性系统Voiterra核辨识的算法

本文详细论述了非线性系统二阶Volterra核辨识的函数束法,提出了实现这一思想的计算机仿真算法。     

基于GEP和GA技术的非线性系统辨识研究

给出了利用基因表达式编程（GEP）进行非线性系统辨识的方法,弥补了传统辨识方法需要过多预知信息的不足,有着比遗传编程（GP）更简洁有效的系统模型结构表达方式.利用改进的遗传算法（GA）并行地进行模型参数进化,可以在有限的给定数据内得到合适的模型.关于模型适应度的定义,综合考虑了精确性和复杂性因素,能够获取一种比较折中的辨识结果.仿真结果表明,这种方式可以快速、准确地获取非线性模型.     

基于递推批量最小二乘的Volterra级数辨识方法

针对用批量最小二乘方法进行 Volterra级数在线辨识计算量大 ,所需数据存储空间多 ,以及实际应用时自相关矩阵易出现病态的不足 ,提出了一种基于递推批量最小二乘的 Volterral级数辨识方法 .该方法利用观测矩阵维数固定的批量最小二乘辨识 ,形式简单 ,所需数据存储空间小 ;同时利用递推辨识的思想 ,避免了对矩阵直接求逆 ,减小了计算量 .另外 ,为了防止自相关矩阵出现病态 ,文中引入影响因子的概念对观测数据进行取舍 ,一定程度上增强辨识的数值稳定性 .最后通过一个工程实例验证了该方法的有效性 .该方法为 Volterra级数的在线辨识提供了一个重要方法     

基于遗传算法的系统在线辨识

首先介绍了一种基于自然选择和自然遗传学机理的全局搜索学习算法－遗传算法，并讨论了它在系统在线辨识中的实现，仿真表明，遗传算法能在线辨识时滞并收敛到全局最优。     

基于系统仿真的非线性Volterra核求解算法

提出了基于系统仿真的Volterra级数中三阶以内核的求解算法。根据各阶Volterra级数核对输出的响应特性,构造了各阶Volterra核输出分量的方法;然后根据核的对称特性,提出了各阶核求解的直接解法。它较一般的辨识算法,速度和简洁性有很大提高。     

基于GA的神经网络在火工药剂辨识的应用

在分析火工品压药模型的基础上，结合计算智能的相关理论．介绍了基于遗传算法的神经网络模型系统用于火工品药柱剂量的辨识。试验结果表明，该系统能够较好地满足辨识火工品药柱剂量的要求。     

基于Volterra泛函级数的非线性系统的鲁棒辨识

针对弱非线性系统的鲁棒建模问题, 基于Volterra泛函级数, 结合集员辨识理论, 提出了广义频率响应函数的鲁棒辨识方法, 形成了一套较完整的弱非线性系统的鲁棒建模方法, 仿真结果表明该方法是行之有效的.     

基于Volterra频域核辨识的非线性模拟电路故障诊断

基于Volterra级数时域频域混合模型,提出了辨识非线性模拟电路频域核的故障诊断方法.利用混合模型辨识算法和范德蒙特法估计各种故障状态下电路响应的前3阶频域核,提取故障特征并与相应的故障模式一起构成特征样本集,借助于支持向量机多分类器进行分类识别,实现非线性模拟电路的故障诊断.阐述了诊断原理及诊断步骤,并给出了诊断实例.仿真结果表明,该方法的故障识别率较高,便于计算机计算.     

基于遗传模拟退火算法的雷达正交信号设计*

针对雷达正交信号的波形设计问题,提出了一种基于遗传算法和模拟退火算法的新遗传模拟退火算法。该算法利用遗传算法实现全局搜索,利用模拟退火算法实现局部搜索,改进了遗传算法的选择策略,并在交叉、变异概率中引入自适应的概率变化机制,自适应地保存最优个体,并对遗传算法的进化结果有选择地进行模拟退火操作,有效地解决了这两种算法的早熟现象和时间问题。实验结果表明,该算法是有效可行的,性能优于传统遗传算法和模拟退火算法。     

Bilinear system identification by Volterra kernels estimation

This note considers the identification of bilinear discrete-time dynamic systems from sequences of input and noise corrupted output measurements. In contrast to other approaches, the proposed algorithm is simple and does not require knowledge of the noise statistics. It is also shown that the obtained estimates are unbiased and consistent, which is not shown in the previous papers.     

Structural damage identification based on Bayesian theory and improved immune genetic algorithm

In order to solve structural multi-damage identification problem, a two-stage damage detection method based on Bayesian theory and immune genetic algorithm (IGA) is presented. First, structural modal strain energy and frequency are considered as two kinds of information sources, and Bayesian theory is utilized to integrate the two information sources and preliminarily identify structural damage locations. After the damaged locations are determined, immune genetic algorithm is used to identify structural damage extent. Considering the search efficiency of the simple IGA is still not very good, some improved strategies are presented, such as culture vaccine, concentration control of the best antibody, and two termination conditions etc. Simulation results show that the two-stage method can precisely identify structural damage locations and extent, and the calculated results of the proposed improved IGA are obviously better than those of both the simple IGA and the genetic algorithm with elitist strategy.     

采用遗传算法的文本无关说话人识别

为解决在说话人识别方法的矢量量化(Vector Quantization,VQ)系统中,K-均值法的码本设计很容易陷入局部最优,而且初始码本的选取对最佳码本设计影响很大的问题,将遗传算法(Genetic Algorithm,GA)与基于非参数模型的VQ相结合,得到1种VQ码本设计的GA-K算法.该算法利用GA的全局优化能力得到最优的VQ码本,避免LBG算法极易收敛于局部最优点的问题;通过GA自身参数,结合K-均值法收敛速度快的优点,搜索出训练矢量空间中全局最优的码本.实验结果表明,GA-K算法优于LBG算法,可以很好地协调收敛性和识别率之间的关系.     

云自适应遗传算法

传统自适应遗传算法(AGA)虽能有效提高收敛速度,却难以增强算法的鲁棒性.以当代种群平均适应度为期望Ex,根据云模型"3En"规则确定熵En,由X条件云发生器自适应调整交叉变异概率,提出云自适应遗传算法(CAGA).由于云模型云滴具有随机性和稳定倾向性特点,使交叉变异概率值既具有传统AGA的趋势性,满足快速寻优能力;又具有随机性,且当种群适应度最大时并非绝对的零概率值,有利于提高种群多样性,从而大大改善避免陷入局部最优的能力.典型函数优化实验表明,与标准遗传算法(SGA)和AGA相比,CAGA具有更好的收敛速度和鲁棒性.     

基于混沌遗传算法的雷达/干扰机共享信号设计

雷达/干扰机共享信号的波形设计是电子战中实现雷达/干扰机作战系统能量共享的关键。针对共享信号的性能设计问题,提出了一种新型的混合混沌遗传优化算法。采用改进的tent混沌系统初始化种群,将混沌特性嵌入到自适应遗传算法的循环体中,分别设计分段混沌交叉算子和退化混沌变异算子,避免了搜索过程陷入局部极值的陷阱而快速收敛于全局最优解。通过实验证明,该方法能够较快地搜索到优化问题的最优解,验证了混沌遗传算法对雷达/干扰机共享信号优化问题的有效性。     

Detection and classification of non-linearities based on Volterra kernels processing

Modelling and identification of the real systems, which are more or less non-linear, are important activities not only for scientific research but also for real-time applications like fault detection and compensation. In this paper the non-linear system is defined by a serial combination of a linear part followed by a variable static parameterised non-linearity. A structure to detect and classify some non-linearities based on Volterra kernels is proposed. Such kernels can be estimated from the I–O measurements of the system under study. Processing Volterra kernels means estimation followed by classification. Mainly artificial neural networks to obtain a fast answer process the Volterra kernels. The neural methods and the detection structure can be developed to study more complicated non-linear models for fault detection purposes and structural identification of complex non-linear systems. The feasibility of the method is demonstrated using a simulated example.     

自适应遗传算法的Multi-Agent交通信号优化控制

在区域交通多智能体信号控制系统中,由于传统遗传算法早熟收敛,全局搜索能力不强,无法快速找到最佳配时方案,同时没有考虑相邻交叉口的关联性,针对这种情况,提出交叉口子区Agent代替传统的交叉口Agent,在交叉口子区Agent中引入自适应遗传算法,算法根据交通流量的变化对绿信比[λ]进行优化,使交叉口平均延误时间[D]最短。实验结果表明交叉口子区Agent代替交叉口Agent后,控制效果相似,节省了硬件资源,在交叉口子区Agent中引入自适应遗传算法下的信号控制能迅速找到最佳配时方案,使平均延误时间最短。仿真实验表明,将基于自适应遗传算法的交叉口区域控制应用到交叉口信号控制中有更好的性能,证明了用交叉口区域智能体替代交叉口智能体的可行性。