四轮驱动车辆路面附着系数实时估计

针对目前无法直接测得车辆路面附着系数的问题,通过设计扩张状态观测器及利用递推最小二乘法来实时估计该值。建立7自由度车辆模型,给出车轮受力平衡方程,设计二阶非线性扩张状态观测器。根据轮胎驱动转矩及车轮转速估计当前利用附着系数,并对观测器进行仿真。结果表明,观测器能够有效观测利用附着系数。在已观测出的利用附着系数的基础上,推导了利用附着系数与峰值附着系数间的递推公式,利用递推最小二乘法设计峰值附着系数估计器,并在Matlab／Simulink中进行仿真。结果表明,估计器可以较为快速有效地实现峰值附着系数识别,较为准确地实时估计附着系数。     

系统辨识(5):迭代搜索原理与辨识方法

递推辨识与迭代辨识构成了两类重要的参数估计方法.递推辨识的递推变量与时间有关,因而可以用于在线估计系统参数;迭代辨识的迭代变量是自然数,与客观世界的时间无关,通常用于离线估计系统参数.基于辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念等辨识方法都可以用递推算法和迭代算法实现.迭代方法渊源很早,如求解矩阵方...     

基于滤波和递推的Hammerstein非线性系统估计与控制（英文）

本文提出一种基于滤波和递推的含测量噪声的Hammerstein系统参数估计与工业控制方法。Hammerstein非线性系统由神经模糊模型和线性状态空间模型组成,并利用由阶跃信号和随机信号组成的混合信号估计Hammerstein系统参数。首先,利用阶跃信号不激发静态非线性系统的特性,即Hammerstein系统的中间变量与输入具有不同幅值的阶跃信号,从而未知的中间变量可以利用输入替代,解决了中间变量信息不可测量问题。因此,基于设计的阶跃信号,利用递推增广最小二乘（RELS）算法估计状态空间模型参数。其次,为了有效处理测量噪声的干扰,引入数据滤波技术,并利用滤波RELS算法和聚类算法估计神经模糊模型参数。最后,利用Hammerstein系统的特殊结构,将非线性系统控制简化为线性系统控制,从而利用线性控制器进行控制。通过两个工业仿真案例验证了所提方法和控制策略的有效性和可行性。     

传递函数辨识(11):频率响应递推参数估计(并联情形)

工程中,频率特性又称频率响应。针对不同极点惯性环节并联而成的系统,利用正弦激励信号作为输入,通过测量系统的频率特性观测数据,基于二次优化和非线性优化技术,推导了估计传递函数参数的最小均方算法、随机梯度算法、多新息随机梯度算法、递推梯度算法、多新息递推梯度算法、牛顿递推算法,以及结合实频特性和虚频特性观测数据的联合递推辨识算法和耦合递推辨识算法。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点传递函数参数的辨识以及任意非线性函数的参数估计。     

规范状态空间系统辨识方法

因为状态空间模型既包含了未知状态,又包含了未知参数,且二者是非线性乘积关系,使得辨识问题变得复杂.针对这一问题,详细研究了规范状态空间系统的状态与参数联合估计方法.采用交互估计理论,即采用递推方法或迭代方法实现系统状态与参数的交互估计.基本思路是在计算参数估计时,辨识算法信息向量中的未知状态用其估计值代替,然后利用获得的参数估计,设计基于参数估计的状态观测器或基于参数估计的Kalman滤波算法估计系统的状态,二者形成一个交互计算过程(递阶计算过程).沿着这条思路,分别从递推方案和迭代方案,研究和提出了基于状态观测器和基于Kalman滤波状态估计的随机梯度辨识算法、递推最小二乘辨识算法、多新息随机梯度辨识算法、多新息最小二乘辨识算法,以及模型分解的辨识算法,并给出了几个典型算法的计算步骤、流程图和计算量.     

基于高阶累积量的参数化双谱分析的肺音特征提取

用高阶谱分析方法，对肺音信号进行了特征提取．以非高斯白噪声激励的AR(Auto Regressive)参数模型对肺音信号进行建模，导出了基于三阶累积量的三阶递推方法的非高斯参数化双谱的计算方法，用双谱的互相关估计模型阶次，并对肺音数据进行了参数化的双谱估计，给出了在双频域内从双谱及其切片谱提取肺音特征信息的方法，并利用该方法对正常、哮喘和细罗音3种肺音目标进行了神经网络的识别实验．结果表明：所提出的特征提取方法大大降低了输入特征的维数，具有较高的识别率．     

Fuzzy模型参数在线辨识的新方法

本文把Kalman参数估计方法应用于系统的Fuzzy模型参数辨识,提出了一种新的递推在线修正Fuzzy 模型参效的方法.在系统干扰为非零均值(未知、慢时变)时,采用本文方法,只需利用观测数据,通过计算机处理,便可得到系统Fuzzy 模型参数的无偏估计.本文算法在IBM-PC/XT 上进行仿真表明是正确和可行的.     

一种多步递推广义预测自适应控制

提出了一种基于多步递推预测的广义预测自适应控制算法。由于本算法是利用在线辩识参数直接递推求解控制律，从而大大减少了计算量，便于在微机上用汇编语言实现。     

传递函数辨识(16):频率响应二阶系统参数估计

基于功率、电压、电流与电阻的关系,建立电阻误差准则函数、电压误差准则函数、电流误差准则函数、功率误差准则函数,应用梯度搜索、最小二乘搜索原理,推导了估计电阻的递推辨识算法,包括投影算法、随机梯度算法、多新息随机梯度算法、递推梯度算法、多新息递推梯度算法、递推最小二乘算法、多新息最小二乘算法等。此外,利用系统的实频特性数据和虚频特性数据,给出求解二阶传递函数模型参数的代数方法。     

机器人运动学参数递推标定方法

为了获得准确的机器人运动学参数,提出了一种机器人运动学参数递推标定方法. 基于机器人运动学模型,建立了相邻连杆局部坐标系误差模型,进而提出了从末端连杆坐标系至基坐标系进行运动学参数递推标定的方法. 以八自由度机器人为研究对象,在利用激光跟踪仪建立连杆坐标系的基础上,通过实验验证了运动学参数递推标定方法的有效性和实用性.     

广义自回归模型与随机回归模型参数递推估计的极限性质

本文以离散鞅的极限理论为工具,给出了在{ε_n}为鞅差条件下的AR(p)模型参数的递推估计及随机回归模型参数的递推估计收敛于真参数的极限速度;还证明了在{ε_n}为鞅差条件下的AR(p)模型参数的最小二乘估计的渐近正态性,并指出在{ε_n}为平稳鞅差序列时,条件适当减弱,上述结论仍成立。     

一种时滞未知随机系统参数辨识算法

针对时滞未知随机性系统,提出了一种可同时估计系统时滞和参数的递推辨识算法,并证明了该算法的收敛性。仿真结果表明,即使在有色噪声干扰的情况下,利用该算法仍能够很快地辨识系统时滞和参数。     

卡尔曼滤波在半自磨机中的应用

本文论述了用卡尔曼滤波方法对半自磨机中不可量测的参数的估计。文中给出了描述半自磨机工作过程的数学模型和卡尔曼滤波递推算法,并对渐近预报估计器进行了仿真,编写了BASIC滤波程序,结果表明该程序是正确的和可应用的。     

一类时变参数的递推辨识方法

本文对线性时变系统的参数辨识方法进行了分析和研究,提出了一类新的时变参数递推辨识方法。算法假定时变参数由自回归模型表示,并保证辨识算法结构传递矩阵正实或严格正实。本文分别给出了白噪声和有色噪声情况的两种递推辨识算法,证明了它们的一致收敛性。结构分析表明,最小二乘估计和朗道自适应串联辨识算法是这类辨识方法的特例。在给定的结构条件下,辨识算法对周期和单调变化的时变参数有一定的跟踪能力。     

传递函数辨识(9):基于频率响应的递推参数估计方法

利用系统的频率特性观测数据,研究和提出一般传递函数参数的递推辨识方法,包括投影辨识方法、随机梯度辨识方法、多新息随机梯度辨识方法、递推梯度辨识方法、多新息递推梯度辨识方法、递推最小二乘辨识方法、多新息最小二乘辨识方法,以及联合递推辨识方法和耦合递推辨识方法。文中的方法是针对一般传递函数提出的,因此也适合有共轭极点、重极点线性时不变系统的参数辨识。     

传递函数辨识(8):基于正弦响应的参数估计方法

针对不同极点惯性环节并联系统和不同极点惯性环节串联系统,利用多频组合正弦信号作为输入,通过测量系统的输出数据,基于二次优化和非线性优化技术,推导了估计传递函数参数的最小均方算法、随机梯度算法、多新息随机梯度算法、递推梯度算法等,并与梯度迭代算法、牛顿迭代算法相结合,提出了辨识传递函数参数的耦合递推—迭代辨识算法,文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭极点、重极点传递函数参数的辨识以及任意非线性函数的参数估计。     

具有约束条件的最小二乘辨识及其应用

本文讨论含有多重积分环节的无自平衡系统的辨识问题。首先讨论这类系统典范差分模型具备的先验条件,其次利用得出的先验条件讨论约束最小二乘辨识问题,推出一种少参数的线性模型及其相应的改进最小二乘估计,广义最小二乘估计的递推公式,最后进行仿真研究。本文提出的模型和方法减少了计算机内存及运算工作量,提高了辨识精度,加快了收敛速度。     

基于UKF的分布式驱动电动汽车轮胎侧向力估计

轮胎侧向力是影响车辆横向稳定性的关键因素,但难以对其进行直接检测。利用分布式驱动电动汽车轮胎纵向力可直接计算的特点,将轮胎纵向力作为输入量,基于UKF估计算法实现分布式驱动电动汽车前后轴轮胎侧向合力的估计。结合垂直载荷与轮胎侧向力的关系,实现前后轴左右侧轮胎侧向力的分配。通过CarSim和MATLAB/ Simulink联合仿真,分析了UKF估计算法和直接计算法的估计精度,验证了所提出方法的优越性。同时,分析了具有参数不确定性时估计算法的鲁棒性,证明质量参数的不确定性对估计精度影响较大。     

有噪自回归信号参数估计的最小均方算法

提出了噪声中自咽归信号未知参数包括信号的功率和噪声方差的估计问题,通过把基本自回归模型的阶数增加一阶,提出了一种以估计噪声方差为基础的新的最小均方算法,这种方法的特点是能够得到自回归模型参数的一致估计,与以前噪声中自回归信号未知参数的估计方法相比,该方法的优点是,在没有前置滤波的情况下直接利用含有噪声的观测数据不需要参数抽取而直接估计自回归信号的参数和噪声方差,计算机仿真和数字模拟结果证实和说明了这种理论。     

递推随机有限元法求解随机结构频率的Padé改进

当结构频率和结构随机参数之间的关系呈强非线性时,采用递推随机有限元法求解某些高阶频率的误差有时会增大,对此,提出了一种用Padé逼近改进递推随机有限元法的新方法。首先,该方法将结构圆频率进行幂级数展开,通过递推求解获取展开式的扩展系数;然后,利用Padé逼近方法,得到该幂级数对应的Padé逼近有理分式中的所有系数,于是可获得频率的Padé逼近表达式。在变截面固支梁数值算例中,对随机变截面固支梁的圆频率进行了求解,与递推随机有限元方法的计算结果相比,文中方法得到的7~9阶频率更能逼近直接Monte-Carlo模拟法的结果,体现了新方法的改进效果。