围护结构动态热特性辨识用热工测试系统

介绍一种在实际条件下建筑围护结构动态热特性辨识用热工测试系统。系统具有一定的通用性和可扩充性。在实际运行过程中整套系统运行效果良好，为建筑围护结构动态热特性研究提供了新的技术和简单实用的方法。     

基于MATLAB的传感器动态数学模型辨识系统

简要介绍了MATLAB语言及其在系统辨识方面的应用，利用MATLAB开发出了一套应用于动态校准实验中传感器的动态数学模型辨识软件。应用结果表明，整个软件设计合理、使用方便，辨识结果准确可靠。     

传感器动态建模的一种辨识法

提出一种简单但鲁棒性强的传感器动态建模方法,该方法基于数值积分思想,能有效克服测量噪声,无需迭代即可直接从微分方程辨识出模型参数,所建模型阶次较低、准确度较高,且较易实现递推算法,为传感器改善动态特性、实现动态补偿提供一种有效方法。大量实验和仿真结果验证了该方法的有效性。     

航迹辨识系统中约束方差滤波的容许模型噪声

根据Kalman滤波的最小方差特性,分析测量噪声一定时Kalman滤波方差随系统模型噪声强度变化的规律,并在模型噪声和测量噪声一定时,给出求解当前估计型稳态Kalman滤波的LMI方法。针对测噪声一定的系统设计一种滤波器,它在保证滤波误差方差满足指定上界约束下,容许系统有尽可能大强度的模型噪声,并用航迹辨识系统的算例对所给出的结果做了说明。     

一类系统参数辨识的按段多重一般正交多项式方法

本文介绍了按段多重一般正交多项式系及其基本性质,并把它们应用于参数可分离系统的参数辨识.由于采用了按段低阶正交多项式多重逼近技术,该方法具有计算量少、结果精度高、可递推计算及不需要被辨识参数的初始估计等优点.本文提出了两个算法,并成功地应用于发酵过程细菌生长动力学模型的参数辨识.     

非线性动态传感器系统的H模型神经网络辨识

针对非线性动态传感器模型辨识问题,提出一种新的Hammerstein模型神经网络结构辨识法。非线性动态传感器系统采用Hammerstein模型描述,将系统分解为非线性静态增益串接线性动态环节。再设计一种网络权系数对应于相应的Hammerstein模型参数的新型神经网络结构,推导了基于反向传播的网络权系数调整方法。通过网络迭代训练同时得到静态与动态两个环节的模型参数。最后通过一个H模型的数值仿真来验证方法的有效性,仿真结果表明所提辨识方法是有效的。     

统计相关法辨识对象的动态特性

本文介绍了应用统计相关法求得衩控对象的阶跃响应曲线的基础知识与求解的过程和方法，在计算对象的输入与输出特性的互相关函数时，应用计算机进行处理，使计算过程大为简化。     

非线性滤波与辨识的应用与发展

本文对非线性滤波与辨识的应用与发展作了简略回顾;对常用的M.L.和E.K.F.两种算法进行了分析,指出存在的问题,提出了改进意见。在这基础上提出了新的算法。经过大量仿真和实际应用,证明是有效的。     

旋转电弧传感器信号消噪的研究

旋转电弧传感器是焊接自动跟踪中的重要装置,为了获得水下焊接坡口的特征信息,必须对采集的焊接电流信号进行消噪,以去除干扰信息.利用平面中值滤波器对8个方向噪声点进行处理,平滑滤波器对信号中的奇异点和毛刺处理,以及小波变换能在小波域实现信噪分离,以便去除整个频域范围内的噪声,设计了一种中值平滑小波改进型滤波器.Matlab仿真结果表明:此方法能有效消除焊接过程中的各种干扰,且经过处理后的信号表现非常明显的正弦变化规律.通过焊接实验,获得良好的跟踪效果.     

基于正交多项式旋转梁分布动载荷时域识别

引入二维广义正交多项式理论,以正交多项式序列作为基函数拟合分布动载荷,将面载的识别转化为正交多项式拟合系数的求解。针对弹性旋转梁的有限元模型,利用时域下的连续梁载荷识别理论去辨识未知分布力。数值算例表明:只要获得旋转梁上最够多的响应点信息,识别出的分布动载荷具有较高的精度;该识别方法简单有效,适合工程应用。     

基于Elman神经网络的非线性动态系统辨识

研究了应用动态递归神经网络实现动态系统辨识的原理和方法,在没有被辨识对象的先验知识情况下,通过改进的Elman网络实现了非线性动态系统的辨识。仿真结果表明,与前馈网络相比,Elman网络具有学习速度快、泛化能力强的特点,可用较小的网络结构实现高阶系统的辨识,适用于具有本质非线性动态系统的辨识。     

加速度传感器动态特性虚拟标定系统设计

基于虚拟仪器技术,设计了加速度传感器动态特性标定系统。利用LabVIEW图形化编程特点及其强大的开发功能,在微机及采集卡组成的硬件平台上,实现了界面友好的操控及显示软面板设计,以及激励信号的发生与标定数据的采集、存储和处理。同时,通过EXCEL实现了LabVIEW与MATLAB之间的数据通信,并利用MATLAB进行动态性能指标的最优计算。实验证明:该系统具有性能稳定、精度高和人机交互友善方便等特点。     

虚拟技术在动态特性时域测试仪中的应用

二阶系统动态特性时域测试仪是在时域中测试控制系统动态特性并输出其时域指标的一种实验仪器,本文介绍了基于虚拟技术的二阶系统动态特性时域测试仪硬件平台的构建及软件系统的设计,论述了该仪器的测试原理以及基于虚拟技术的优越性。     

基于神经网络的传感器输出特性样本集研究

研究了压力传感器输入/输出特性样本集结构和样本集的实时校正。首先,通过加速试验获得了传感器特性的时漂以及受温度影响的变化规律,并据此构建了样本集。基于BP神经网络模型,对样本集的融合精度进行了动态对比试验,进而验证了样本集构建的合理性。此外,提出一种对样本集进行实时校正的方法,校正过程由程序控制。将实时校正后的数据与初始标定样本数据、加速试验600 h后的标定数据对比,最大偏差仅为0.08 kPa,样本集经校正后,数据准确度提高了近1个数量级。     

基于同步多维数据流的脑网络动态特征辨识方法研究

针对人脑实时变化的特性,为了更好的观测和描述人脑网络的动态特征,在基于功能磁共振成像的脑功能网络重构技术基础上,给出了一种人脑网络动态特征辨识方法。首先利用同步多维数据流的即时更新能力,将在静息态功能磁共振成像数据采集区间上的血氧水平依赖信号由大时间序列分解重构为每个采样点上的小时间窗口序列,构建连续时间点上的状态观测窗口,从而实现对人脑功能共振信号的特定时间状态辨识,然后运用相关分析对状态观测窗口信号进行分析,得到单状态观测矩阵,最终构建全脑在整个数据采集区间上的动态特征矩阵。实验结果显示该方法可以为人脑网络的动态特征观测和描述提供一种有效手段,也为进一步研究人脑网络的动态特征演变奠定了基础。     

基于对称多项式的智能家居设备安全认证方案研究

智能家居设备中大部分传感节点计算能力较弱,而如何保证节点身份合法和数据传输安全是一个急需解决的新问题。基于对称多项式,提出一种匿名节点配对打分机制的认证方案。该方案预先在本地服务器生成节点之间的随机配对表,当节点向服务器发送消息时,首先通过配对表向相关联节点发送有服务器标志的认证信息,关联节点根据此认证消息分析是否含有自己的身份信息,然后返回给服务器该节点的身份可靠度分数,服务器进一步收集信息并计算该节点的可靠系数。当该系数低于一定的阈值时,则证明节点异常,从而及时清除该节点。该方案有效地解决了传统对称多项式加密被暴力破解而引发的节点身份安全问题,保证了接入节点的合法性。     

基于改进RLS的传感器动态特性校正方法

在动态测试中为了消除传感器谐振频率处振动产生的误差,针对传感器高阶系统的补偿问题提出一种改进RLS算法优化补偿滤波器。采用梯度下降法产生滤波器参数初值,再用RLS算法对参数进行修正。在matlab平台上对算法进行了仿真验证,分析了补偿前后传感器系统的时域响应和频域响应。对实际压电传感器CY-YD-205进行了补偿,工程实验表明采用改进RLS算法设计的补偿滤波器可以大大改善传感器系统的动态特性。     

基于单传感器动态检测和神经网络的气体监测

研究了气体传感器动态检测结合神经网络识别空气中有机气体的新方法.这种方法利用单个SnO2气体传感器而非阵列在方波温度调制的状态下,可实现多种有机气体的定性分析.在0.02Hz的调制频率、250～300℃的温度调制范围,测得传感器对不同体积分数异丙醇、乙酰丙酮和乙醇气体的动态响应.通过小波变换对单个周期测试信号进行特征提取,并将提取的特征值输入神经网络进行定性识别和体积分数估计,仿真识别的成功率高达100%,同时,较准确地实现待测有机气体的体积分数估计.     

基于局部多项式拟合的交通流预测

为准确地预测交通流量和速度,提出一种基于局部多项式拟合的交通流预测方法。通过一阶差分得到流量和速度的变化序列,采用互信息法确定延迟时间,用虚假邻近点法确定嵌入维数,重构得到状态向量;通过邻近向量拟和预测函数,采用局部多项式预测。对实测数据进行了仿真实验,结果表明了该方法的有效性。