基于有限记忆变遗忘因子的子空间辨识算法

针对传统递推子空间辨识算法对时变参数跟踪速度慢的问题,基于自适应变遗忘因子机制提出一种新的子空间辨识算法.为此首先设计了变遗忘因子作用下输入输出Hankel矩阵的更新机制;然后运用系统矩阵特征值空间欧氏距离信息实现变遗忘因子的自适应更新;最后为隔断历史数据的作用,采用有限记忆法进一步改进算法.理论及仿真结果表明,新算法跟踪速度快、跟踪效果好.     

基于动态遗忘因子递推最小二乘算法的船舶航向模型辨识

为提高遗忘因子递推最小二乘（RLS）算法辨识船舶航向运动数学模型参数的快速性和鲁棒性,在分析遗忘因子大小对算法特性影响的基础上,提出一种基于模糊控制的动态遗忘因子RLS算法。该算法从理论模型输出与实际模型输出之间的残差入手来构造评估参数辨识误差大小的评价函数,并将评价函数及其变化率作为模糊控制器的输入,利用模糊控制器结合制定的规则表进行模糊推理并计算遗忘因子的修正量,从而实现遗忘因子的动态调整。仿真结果表明,与恒定遗忘因子RLS算法的对比,该算法能够根据参数辨识误差实时调整遗忘因子的大小,使算法在模型参数平稳时有更高的辨识精度,在模型参数突变时有更快的收敛速度,验证了所提算法的优越性。     

多元系统耦合带遗忘因子有限数据窗递推最小二乘辨识方法

针对多元线性或非线性回归系统, 将耦合辨识思想与带遗忘因子有限数据窗辨识理论相结合, 提出一种耦合带遗忘因子有限数据窗递推最小二乘辨识算法. 该算法每次递推计算时既不涉及矩阵求逆运算, 又可以克服数据饱和现象, 因此, 该算法不仅计算效率高, 而且可以快速地跟踪时变参数, 获得精确的参数估计. 通过辨识基于多元模型的永磁同步电机参数的实例, 验证了所提出算法的有效性和实用性.

     

时变参数遗忘梯度估计算法的收敛性

提出了时变随机系统的遗忘梯度辨识算法,并运用随机过程理论研究了算法的收敛 性.分析表明,遗忘梯度算法的性能类似于遗忘因子最小二乘法,可以跟踪时变参数,但计算量 要小得多,且数据的平稳性可以减小参数估计误差上界和提高辨识精度.阐述了最佳遗忘因子 的选择方法,以获得最小参数估计上界.对于确定性时不变系统,遗忘梯度算法是指数速度收 敛的;对于时变或时不变随机系统,遗忘梯度算法的参数估计误差一致有上界.     

时变非线性分布参数控制系统的小波辨识算法

基于正交函数逼近理论,在Haar小波正交规范基的基础上,总结并推导出了其积分运算矩阵、微分运算矩阵、乘积运算矩阵及其运算性质,并应用于一类时变非线性分布参数系统的辨识.借助于正交小波函数逼近方法对分布参数系统进行辨识,经正交小波逼近变换转化为代数矩阵方程,因此该方法可以不考虑初始条件和边界条件,较其他辨识方法要简单得多.该算法简单、计算量小、简化了分布参数系统辨识的求解过程,应用在分布参数系统辨识中不失为一种有效的分析方法.     

电阻炉模型的辨识及时变性分析

以电阻炉为例,对工业上广泛存在的大惯性时滞时变系统对象的模型进行辨识,并对其模型时变性进行定性的分析.提出一种基于阶跃响应的一阶惯性加纯滞后连续模型的直接辨识方法.采用遗忘因子递推最小二乘法辨识算法跟踪时变参数,仿真并给出参数变化曲线.并结合机理建模从电阻炉的物理结构上分析参数时变性.仿真结果验证了机理分析的正确性.该方法对工业系统中的精确建模和时变系统的控制有一定的指导意义.     

一种具有快速跟踪能力的改进RLS算法研究

为了改善固定遗忘因子递推最小二乘（RLS）算法在时变系统中的跟踪性能,提出一种改进的RLS算法。改进的可变遗忘因子RLS算法,不仅克服了固定遗忘因子RLS算法中跟踪速度和参数失调的矛盾,而且避免了当参数估值趋于参数真值时,卡尔曼增益趋于零,RLS算法失去对时变系统的跟踪能力的问题。最后,在MATLAB仿真平台下,对改进的RLS算法性能进行仿真验证。仿真结果表明,改进的算法能够获得快速的跟踪能力,也具有较快的收敛速度和较小的稳态误差。     

一种自动调整遗忘因子的快速时变参数辨识方法

本文介绍了一种自动调整遗忘因子的快速时变参数辨识方法.这种方法主要是在文献 [1,2]的基础上改进了遗忘因子的选取方法,引入了自动调整遗忘因子,以适应导弹控制系统 等快速时变系统的参数估计要求.数字仿真结果表明,这种辨识方法对于诸如参数的指数变 化、斜坡变化、阶跃变化、正弦变化、方波变化以及由这些变化形式构成的混合变化,都有比较 好的辨识效果.     

一种新的时变大纯滞后对象在线辨识方法

对具有时变特性的大纯滞后对象进行参数估计是系统辨识的一项重要课题,该文结合递归遗忘最小二乘法和互相关函数,提出了一种联合辨识算法,该方法扩展了递归遗忘最小二乘算法的应用范围。其中,递归遗忘最小二乘法用于快速地辨识对象的动态参数,而对输入输出信号进行滤波后,对象的滞后时间参数的辨识由互相关函数实现。仿真结果表明,此种方法对于时变大纯滞后对象的在线辨识是有效的,并且优于间接估计法;该文的方法具有算法简便,实用性强的特点。     

一种具有快速跟踪能力的改进RLS算法研究

为了改善固定遗忘因子BLS(Recursive least-square)算法在时变系统中的跟踪性能,提出了一种改进的BLS算法.改进的BLS算法结合了可变遗忘因子的BLS算法和自扰动BLS算法,既克服了固定遗忘因子RLS算法中跟踪速度和参数失调的矛盾,而且也避免了当参数估值趋向于参数真值时,卡尔曼增益趋于零,从而BLS算法失去对时变系统的跟踪能力的问题.最后,在MATLAB平台下,对改进后的RIS算法进行了仿真验证.仿真结果表明,算法具有较快的收敛速度和跟踪速度以及较小的稳态误差.