大系统的递阶辨识

大系统的特点是维数高、待估计的参数数目多,使得辨识方法的计算量和存储量急剧增加,以致常规辨识算法难以实现.为了减少大系统辨识的计算量,提出了计算量较小的递阶辨识算法,并用鞅超收敛定理证明了它的收敛性.结果说明该算法可以给出大系统参数的一致估计.     

一般双率随机系统状态空间模型及其辨识

对于双率采样数据系统,本文使用提升技术,推导了双率系统的提升状态空间模型.对于系统状态可测量的双率系统,利用最小二乘原理辨识提升系统模型的参数矩阵;对于状态不可测的未知参数双率系统,利用递阶辨识原理,提出了双率系统递阶状态空间模型辨识方法,来辨识系统的状态和参数.具体做法:基于获得的状态估计和提升系统的输入输出数据递归估计系统参数,然后基于获得的参数估计,计算系统的状态.     

递推子空间模型辨识算法的研究与仿真

为了很好的解决在线辨识系统模型问题,在对子空间模型辨识研究的基础上,结合递推最小二乘算法和子空问状态辨识方法。推导了子空间状态辨识的递推算法。该算法不仅解决了在线辨识问题,而且算法简单,计算方便,很好地克服了在线辨识时子空间矩阵维数的变化问题。经仿真研究表明,该递推算法克服了一次完成算法在大批量数据运算时,耗时大,专用内存多的缺点,而且对于测量和过程均有噪声干扰的多输入多输出系统,有很好的辨识效果,有较为广阔的应用前景。     

复杂系统的递阶模糊辨识

针对Takagi_Sugeno模糊模型 (T_S模型 )严重的维数灾问题, 借鉴GMDH算法, 提出了一种新的复杂系统递阶模糊辨识方法. 本文首先详细描述了由两输入变量的特殊T_S模型所组成的递阶模糊模型 ;然后提出了具体的辨识该递阶模糊模型的方法. 该方法的特点是 :a)在结构辨识阶段, 用FCM模糊聚类方法评价系统中每个输入变量的重要性, 以便构造合理的递阶模糊模型 ;b)预先合理地确定了所要辨识的参数的初始值, 用扩展卡尔曼滤波方法可很快地得到这些参数. 最后, 给出的仿真实例说明了本文辨识方法的有     

非均匀周期采样系统的递阶最小二乘辨识方法

针对非均匀周期采样系统,通过状态空间模型离散化方法得到其输入输出表达形式.鉴于参数化后得到的辨识模型同时包含1个参数向量和1个参数矩阵,利用递阶辨识原理,将辨识模型分解为分别含有参数向量和参数矩阵的2个虚拟子系统;考虑到系统的因果约束问题,将包含参数矩阵的子系统分解为子子系统进行辨识,从而提出这类非均匀采样系统的递阶最小二乘辨识方法.仿真例子表明该算法是有效的.     

基于正交梯度搜索的动态系统递阶优化辨识

提出了一种辨识线性时不变状态空间系统参数的正交梯度二步递阶优化方法. 通过极小化输出误差目标函数获得了系统参数估计; 提出了正交梯度搜索方法用于解决系统参数的非唯一性问题, 正交梯度搜索的本质是在输入-输出等价类相切平面的正交垂空间更新系统参数; 给出了用 L-M 算法进行参数优化的充分条件; 提出的系统参数递阶优化辨识方法包括两步: 首先用给出的自适应 L-M 算子正交梯度方法确定参数优化方向; 其次由一维搜索方法计算最佳步长. 蒙特卡罗数值仿真实验表明本文提出的方法具有收敛速度快、抗噪能力强以及数值稳定性好等优点.     

传递函数阵递阶随机梯度辨识方法的收敛性分析

阐述了递阶辨识原理,提出了传递函数阵模型参数的递阶随机梯度（HSG）辨识方法,在递阶辨识中,系统参数被分解为参数向量和参数矩阵,前者是由系统的特征多项式的系数构成的,后者是由传递函数矩阵分子多项式的系数构成的,借助于鞅超收敛定理的收敛性分析表明,HSG算法的参数估计误差一致有界;当持续激励条件成立时,参数估计误差一致收敛于零,递阶辨识方法具有计算量小和容易实现等特点。     

状态空间子空间方法处理闭环系统辨识

本文给出一个由闭环数据辨识状态空间模型的算法，此算法可辨识带有严重噪声干扰和延迟的稳定及不稳定系统，并已为数学理论及实验结果所验证。     

状态空间模型基于正交梯度搜索的预报误差辨识

提出状态空间模型的正交梯度搜索的预报误差辨识方法.通过极小化输出预报误差而获得系统的参数估计,提出了在观测等价类相切面正交子空间进行参数更新的实现方法,从而解决了全参数化引起的状态空间模型参数非唯一性问题;给出了融合预报误差局部线性逼近性能的正则化因子自适应确定方法,揭示了算法复杂度与系统的能控性、能观测性的内在联系.仿真结果验证了所提出方法的有效性.     

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。     

硬件在环系统中电机参数辨识及状态估计研究

矢量控制电机中的敏感参数转子时间常数的实时辨识和电机状态实时估计是电机高性能运行的保证,首先讨论了转子时间常数参数辨识,其次讨论了滑模观测器并给出了观测器稳定性分析,通过观测器得到感应电机磁链状态估计值;将得到的转子磁链值用于MRAS状态估计,得到实时的电机转速.设计了硬件在环仿真系统验证电机状态估计方法及参数辨识方法;硬件在环试验系统包含感应电机,电气测功器以及实时仿真器等硬件,通过硬件在环实时试验得到了实时的电机状态估计及参数辨识结果,试验结果验证了参数辨识及状态估计方法的有效性和实时性.     

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.     

随机多变量系统的结构与参数不变量辨识

引入多变量系统Markov参数矩阵相关分析下的最优输入设计向量,得到Markov参数矩阵估汁.在此基础上,推导出有色噪声干扰下多变量线性系统Kronecker结构不变量与参数不变量的递推辨识算法.     

独立元及小波分析估计多元系统状态变量

结合状态空间描述,利用独立元分析（ICA）方法对状态变量进行估计．解析和算例验证表明。按照状态变量数目计算的ICA分量是状态变量的良好估计,非线性误差得到降低．在含噪声系统中,结合小波去噪可去除ICA无法去除的噪声,获得状态变量的估计值,显著提高信噪比;噪声可以削弱非线性引起的误差,采用先获取状态变量,后小波去噪的方法。能得到更好的状态变量估计值．     

多变量时滞系统的结构辨识

本文利用投影技术提出一种辨识结构的新方法.它能在多变量系统模型参数被估计之前,直接从输入输出数据中确定该模型的时滞因子集.可观指数集及最小估计参数集.     

相空间重构方法研究

利用混沌理论进行信号处理的第一步就是对混沌信号进行相空间重构,Tekens提出的延迟坐标法奠定了相空间重构的基础,而重构参数的选择则成为主要的难题.在比较了现有参数选择方法的基础上,提出了一种基于三阶相关奇异谱分析的相空间重构方法,仿真证明了该方法的有效性,而且具有较好的重构效果.