基于改进复杂追踪算法的结构模态参数识别

基于固定梯度的复杂追踪算法在进行目标函数寻优时,具有收敛速度慢,易陷入局部极值,且针对不同的模型需人为选择合适的学习步长等不足,限制了该算法的实际应用性。为此,论文将最优步长思想引入复杂追踪算法,根据实时分离度自动调整步长,并根据分离信号的峭度值自适应地选择不同的非线性函数,以提高算法的计算精度,进而提高其实用性。为验证该改进复杂追踪算法识别结构模态参数识别的可行性与优越性,采用该方法分别识别了六自由度质量-弹簧系统、简支梁的数值模型和三层框架试验模型的模态参数,并与原方法进行识别结果对比,表明该改进算法可以较准确地识别结构模态参数。     

基于改进复杂追踪算法的结构模态参数识别

以固定梯度的复杂追踪算法进行目标函数寻优时,收敛速度慢,易陷入局部极值,且存在针对不同的模型需人为选择合适的学习步长等不足,限制了该算法的实用性。为此,将最优步长思想引入复杂追踪算法,根据实时分离度自动调整步长,并根据分离信号的峭度值自适应地选择不同的非线性函数,以提高算法的计算精度,进而增强其实用性。为验证该改进复杂追踪算法识别结构模态参数识别的可行性与优越性,采用该方法分别识别了简支梁的数值模型和三层框架试验模型的模态参数,并与原方法进行识别结果对比,结果表明该改进算法可以较准确地识别结构模态参数。     

比例最小均方/四阶算法及其在系统辨识中的应用

针对非高斯噪声环境下稀疏系统参数辨识问题,提出一种基于比例更新机制的最小均方/四阶(LMS/F)自适应滤波算法(PLMS/F)。该方法以混合均方/四阶准则(MS/FE)为代价函数,其包含了误差的高阶项,具有解决非高斯噪声问题的优势。引入比例更新机制,从而可根据算法当前时刻权重变化特征来调整各权重参数的步长,因此具有良好的跟踪性能。使用梯度下降法设计了阈值参数自适应更新机制以进一步改进算法稳态性能。此外,分析了所提算法的平均和均方收敛性。应用具有稀疏特征的FIR系统参数模型对所提算法实现了在非高斯噪声环境中的参数辨识。仿真实验结果表明,该算法可以有效辨识模型参数,且具有较低的稳态误差和强的鲁棒性。     

一种变步长LMS自适应滤波算法研究

为了解决最小均方(LMS)算法的稳定性及收敛速度(自适应速度)和稳态误差(自适应滤波器的精度)之间的矛盾,本文提出了一种自适应变步长的LMS算法,它的权系数的调整取决于误差曲面在新权值点上的梯度.分析了新算法的收敛特性以及参数选择对算法性能的影响.该算法具有较快的收敛速度、鲁棒稳定性且运算小易于实现的特点.计算机仿真的结果证实了该算法的收敛性能优于标准的LMS算法并且具有较好的实用性.     

利用二阶循环平稳性的信道自适应盲辨识

提出了利用二阶循环平稳性信道盲辨识的自适应求解方法。通过递推更新循环相关函数,从而完成了循环相关矩阵的自适应估计。利用共轭梯度搜索的方法实现信道的自适应盲辨识,并讨论了梯度算法中步长选取的问题,提出了可变步长选取的方法。由于采用二阶循环统计量,因此算法既简单又可以很好的抑制平稳加性有色噪声。计算机仿真表明,在低信噪比情况下,自适应算法能很好的工作。     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

改进变步长LMS算法及在自适应噪声抵消中的应用

在分析传统LMS算法、变步长LMS算法及其改进算法的基础上,通过建立步长因子μ与误差信号е之间的非线性关系,提出了一种改进的变步长LMS自适应滤波算法,并将其应用于自适应噪声抵消中,还分析了参数对算法性能的影响,结果表明该算法具有较快的收敛速度和较小的稳态失调。文中最后给出了仿真结果,仿真结果与理论分析一致。     

车内噪声主动控制变步长LMS算法

通过对轨道车辆车内含噪样本数据的分析,应用步长因子μ(n)与误差信号e(n)呈正弦函数关系的变步长LMS算法。分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行车内噪声主动控制。结果表明,提出的变步长LMS算法解决了LMS算法因固定步长不能同时兼顾算法收敛速度和稳态误差的固有缺陷,具有更快的算法收敛速度和较小的稳态误差。     

可变步长自适应时延估计方法研究

在介绍LMS自适应时延估计算法的基础上重点介绍了基于参数模型的自适应时延估计算法ETDGE，并给出了一种利用ETDGE的功率因子估值来估计噪声与信号功率的方法，从而实现加快收敛速率的变步长迭代算法。实验结果表明，基于可变步长的ETDGE算法具有更快的收敛速度和更小的稳态均方估计误差。     

采用粒子群算法的自适应变步长随机共振研究

针对传统的自适应随机共振只能实现单参数优化和变步长随机共振计算步长选取困难的缺陷,提出一种基于粒子群优化算法（Particle Swarm Optimization, PSO）的自适应变步长随机共振方法,实现了变步长随机共振最优输出的自适应求解。该方法以双稳系统的输出信噪比作为粒子群算法的适应度函数,通过变步长随机共振系统的结构参数和计算步长的自适应同步选取,能够最优地检测出大参数条件下的微弱信号。仿真数据和工程实际数据的分析表明,该方法简单易行,适用范围广,收敛速度快,能有效的检测出强噪声背景下的高频微弱信号,具有良好的工程应用前景。     

多输入单输出时变输出误差模型学习辨识算法

本文考虑了多输入单输出(MISO)时变输出误差系统参数的估计问题。对于多输入单输出时变输出误差系统,识别的难点在于待辨识的模型参量是随着时间而变化的,尤其突变的参数更难辨识。针对这一问题,本文将辅助模型的思想应用到学习算法中,给出了基于辅助模型的迭代学习随机梯度算法和基于辅助模型的迭代学习最小二乘算法的推导过程。最后,提供了说明性的仿真实例来分析所提出的算法,仿真结果表明基于辅助模型的迭代学习最小二乘算法可以快速跟踪突变的参数,获得精准的参数估计,验证了该算法的有效性。     

一种改进的变步长LMS自适应滤波算法及其仿真

在分析传统的定步长最小均方(LMS)算法、变步长LMS算法的基础上,通过建立误差信号与步长因子之间的新的非线性映射关系,提出新的改进型变步长LMS自适应算法.通过MATLAB仿真分析,证明了该算法具有较好的收敛速度和较小的稳态误差以及较好的时变系统跟踪能力.     

基于改进布谷鸟搜索算法的永磁同步电机参数辨识

提出一种基于改进布谷鸟搜索算法的永磁同步电机参数辨识方法。针对布谷鸟搜索算法的不足,采用基于云隶属度的模糊推理调整巢主鸟发现外来鸟蛋的概率;采用自适应变步长的方法调整Lévy飞行步长。改进后的算法通过增加种群之间的多样性以加快收敛速度,提高了局部和全局寻优能力。永磁同步电机多参数辨识结果表明,改进布谷鸟搜索算法能有效地辨识电机各参数,与未改进算法相比,验证了改进算法的有效性和优越性能。     

基于改进萤火虫算法的有限元模型修正

针对标准萤火虫算法后期收敛速度慢、收敛精度低、易陷入局部最优解的问题,提出了参数自适应策略的改进萤火虫算法,建立了基于改进萤火虫算法的有限元模型修正方法。通过隔代随机吸引度因子扩大了算法搜索路径,提升了算法遍历性,避免计算陷入局部最优;通过自适应步长因子使得算法寻优过程中能随迭代次数逐渐减少随机搜索范围,从而提高收敛速度。单、多峰测试函数计算结果表明,改进算法显著提高了收敛速率与收敛精度;简支梁数值算例与某刚构桥实桥有限元模型修正结果表明,简支梁参数最大误差由初始的66.7%降低至修正后的1.08%,刚构桥频率最大误差由14.47%降低至3.25%。所提方法具有良好的更新精度,适用于大型复杂结构的有限元模型修正。     

基于改进粒子群算法的Volterra模型参数辨识

针对非线性系统Volterra泛函级数模型,结合混沌优化策略和种群多样性控制思想,提出了一种改进粒子群算法,并应用于Volterra模型参数的辨识,将非线性系统的辨识问题转化为高维参数空间上的优化问题。利用混沌序列增加初始种群的多样性,通过构建动态子群以进行协作寻优,且各子群采用不同的参数自适应调整策略,并定义算法收敛性测度以对精英粒子进行合理的混沌变异,避免了算法早熟收敛,提高了算法的寻优速度和寻优精度。仿真实验中,将该方法与基于标准粒子群算法、遗传算法、量子粒子群算法的Volterra模型参数辨识方法相比较,验证了该辨识方法的有效性和鲁棒性。     

多频未知时变扰动下的结构微振动鲁棒自适应控制

本文针对多频窄带未知和时变扰动,基于内模原理和Y-K参数化方法,提出一种反馈鲁棒自适应振动的主动控制算法。该算法通过设计PID中央鲁棒控制器,有效解决了次级通道模型未知情况下的鲁棒控制器参数设计问题。同时提出一种变步长最小均方（Variable Step Size Least Mean Square,VSSLMS）方法,可以在保证稳态误差的基础上大幅提升收敛速度,并通过系统辨识实验验证了所提VSSLMS方法相较于其他VSSLMS算法在收敛性能上的优越性。通过结构微振动主动控制实时实验,对比验证了单独采用滤波x最小均方（Least Mean Square,LMS）自适应控制算法、基于LMS算法的鲁棒自适应控制算法和基于VSSLMS算法的鲁棒自适应控制算法的抑振效果。实验结果表明,本文基于VSSLMS算法的鲁棒自适应控制算法在面向双频正弦窄带扰动以及其频谱、幅值突变情况时,都具有较好的收敛性和鲁棒性。     

基于自适应逆控制的随机振动控制算法研究

针对随机振动试验中控制精度与控制效率双重要求,提出基于自适应逆控制方案的随机振动功率谱再现控制算法。通过在最小均方误差（LMS）算法中引入分频率与变步长策略,获得适用于功率谱迭代的LMS算法,并利用系统预辨识结果初始化权向量方法,提高迭代控制效率、降低迭代运算量。采用基于AR模型的数值模拟方法,通过对高斯白噪声信号滤波,生成能准确再现期望功率谱的时域驱动信号。该算法的有效性由功率谱再现仿真试验得以验证。     

基于改进双曲正切函数的变步长最小平均p范数算法

在信号处理领域,传统的自适应滤波算法采用的固定步长会导致稳态误差和收敛速度无法同时兼顾。针对这个问题,对最小平均p范数(Least Mean p-norm,LMP)算法进行改进,提出了一种基于改进双曲正切(tanh)函数的变步长最小平均p范数算法。该算法利用改进的tanh函数来调节步长,采用移动加权平均法构造变步长函数;同时引入了一个调节函数以进一步提升算法的性能。通过在海洋脉冲噪声干扰下进行仿真,实验表明,与已有的固定步长和变步长算法相比,改进的变步长LMP算法较好地兼顾系统的收敛速度和稳态误差;引入调节函数后的新算法在保证原有算法收敛速度的同时进一步降低了算法的稳态误差,从而兼顾了算法的收敛性和稳定性,具有较好的可行性。     

一种应用Fx LMS算法的双层隔振试验装置

振动主动控制中次级通道的存在会对控制效果造成影响,为了减小影响,采用Fx LMS(Filter-x Least Mean Square)自适应滤波算法,通过调整步长更新滤波器参数进行自适应控制。平台使用Compact-RIO控制器并采用Lab VIEW对其进行编程,通过设置参数对不同系统进行主动控制。控制分为三部分:参数设置、次级通道辨识、误差信号的控制。在自适应算法的理论和仿真分析基础上,进一步在c RIO实时控制平台上进行实验研究,对双层隔振平台采用自适应算法实现主动控制,取得理想的控制效果。     

FOG信号的变步长符号LMS自适应消噪方法

针对光纤陀螺输出信号的随机漂移,本文提出了变步长符号LMS自适应消噪方法。结合工程实际需要,该方法在常规最小均方算法（LMS）的基础上进行了两方面改进：一方面,从提高滤波精度和稳定性角度引入输入信号的归一化功率;另一方面,从减少计算复杂性、提高算法实时性角度引入误差符号函数;并通过收敛性分析确定了变步长符号LMS算法的步长参数。某型光纤陀螺的静态实验和转动实验结果表明变步长符号LMS算法不仅可以提前确定步长参数,且在滤波稳定性、滤波精度和实时性等综合性能方面具有优越性,适合工程应用。