磁致伸缩作动器连续模型辨识

提出了一种采样数据中存在高频有色噪声的连续模型辨识方法,并将其应用到磁致伸缩作动器的连续模型辨识中。该方法通过引入积分运算,将连续时间系统的微分方程转换为积分方程,从而使噪声的影响可以忽略,直接利用传统的最小二乘法估计出连续时间模型。仿真实例验证了该方法的有效性和可行性,辨识的磁致伸缩作动器具有较高的可信度。     

基于PCA改进的LS—SVM公路旅游客流量预测模型

公路交通旅游客流量的影响因素众多,加大了预测模型输入变量的复杂性,降低了模型的运行速度和预测精确．首先,利用主成分分析对公路旅游客流量影响指标进行综合分析,得到主成分即输入变量,然后建立以主成分为输入变量,以客流量为输出变量的最小二乘支持向量机预测模型．通过实例验证和比较,展示了基于主成分分析改进的最小二乘支持向量机公路交通旅游客流量预测模型,具有较好的预测效果和较高的应用价值．     

基于小波的LTV系统的参数识别

本文将小波理论应用于LTV(linear time-varying)系统的模态参数识别，首先将系统的微分方程投影到由Daubechies尺度函数张成的子空间中去，然后根据系统的输入及输出，求出在各个微小时间段上与系统相对应的微分方程的系数，最终实现在整个时间段上系统时变参数的识别。     

基于倒双谱的机械系统载荷识别方法

提出了一种基于倒双谱的机械系统载荷识别的新方法,首先,确定系统输出序列及系统特性的表示方法,通过系统输出序列的倒双谱及系统特性的微分倒谱,建立系统输出与系统特性的参数联系,然后,通过参数估计辨识得到系统特性,再通过时序分析的方法,由已知的系统特性求得其“逆传系统”特性,并利用此“逆传系统”特性和该系统输出序列来确定系统载荷,该方法解决了在系统特性和系统载荷未知的情况下,能量有限的稳定单输入－单输出因果线性系统的载荷识别问题,最后,以随机载荷作用下的单输入－单输出系统为例,采用最小平方算法,通过系统输出序列的高阶累积量直接估计系统特性的微分倒谱参数,辨识得到系统特性,再利用“逆传系统法”进行载荷识别,仿真验证了该理论方法的有效性。     

双线性模型参数辨识的遗传算法

本文以遗传算法为基础,提出了一种辨识双线性离散动态系统模型参数的方法。该方法能够有效地克服噪声的污染,获得双线性系统参数的无偏估计值。应用该算法对双线性系统进行仿真表明,该方法辨识精度高,稳定性好。     

利用NARMA模型辨识非线性时变结构系统

为了有效地进行非线性时变结构系统的辨识,提出了一种基于Kalman滤波算法的利用时变非线性自回归滑动平均模型的用于非线性时变结构系统辨识的新方法.首先,利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后,将非线性项展开为系统输出数据的多项式的形式.利用短时时不变假设,通过改变模型参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题.建立系统参数的随机游动模型,引入Kalman滤波算法估计系统的参数,实现对非线性时变结构系统的辨识.最后对一个具有非线性时变刚度的三自由度结构系统进行了仿真,结果表明:该方法可以有效地跟踪非线性时变结构系统的参数变化.遗忘因子的对比试验表明只有选择合适的遗忘因子才能得到合理的结果.     

基于马尔可夫过程和深度神经网络的TBM围岩识别

为了实现隧道围岩的实时识别,基于马尔可夫过程和深度神经网络模型,提出将先验围岩信息和掘进参数结合,作为深度神经网络输入的隧道掘进机（TBM）围岩实时识别方法. 根据施工现场地质勘探资料,用马尔可夫过程的隧道围岩分类方法预测隧道沿线的围岩分布概率;将该围岩分布概率作为先验围岩信息,结合TBM掘进参数作为神经网络输入,真实围岩类别作为输出,训练深度神经网络以实现对TBM前方围岩的实时识别. 使用工程现场数据进行对比实验,结果表明,所设计的深度神经网络模型的围岩总体识别率高于96%. 相比于仅将掘进参数作为输入,当结合先验围岩信息和掘进参数作为输入时,模型围岩识别率提高6%以上.     

两输入两输出(TITO)系统的基于频域的闭环辨识方法

提出了一种面向工程应用的两输入两输出(TITO)过程的在线闭环辨识方法。该方法首先通过两个设定值阶跃测试估出频率响应,然后再通过在频域中多个点处模型匹配辨识出过程的传递函数矩阵。该辨识方法只需要过程的输入输出响应数据,不需要过程动态特性的先验知识。典型的TITO过程的仿真结果证明了该方法的有效性和实用性。     

基于Bayes技术的小型无人直升机灰箱建模

高精度的动态模型是实现小型无人直升机高性能自主飞行控制的基础.给出了在灰箱建模框架下辨识小型无人直升机动态模型的系统性方法.在合理的假设下,将非线性机理运动方程简化并进行横、纵向解耦,在悬停点附近线性化得到横、纵向的参数化状态空间模型,以区间均匀分布的方式合理表达了待辨识参数的先验分布.将辨识问题构造成Bayes的极大后验（MAP）估计问题,并进一步转化为约束非线性优化问题,采用拟牛顿法求解.辨识步骤在离散时域中进行,利用sinch算法将连续时域的状态空间参数化问题映射到离散域.提出的小型无人直升机灰箱建模方法有效减少了对辨识实验的要求,获得的对象连续域状态空间模型具有良好的预报精度,并适用于控制器的设计.     

竞争学习的非均匀采样非线性系统的模糊辨识

在实际非线性系统中,由于资源的限制,使得输入信号快速刷新,输出信号慢速采样.利用获得的非均匀采样数据对原非线性系统辨识存在一定困难.为此,通过提升技术,把非线性系统的多个特征点局部的线性模型转化为模糊模型的后件线性模型.在此基础上,提出基于竞争学习和递推梯度下降方法的辨识算法.通过定理证明:输入信号在持续激励条件下,模糊模型的参数能够一致性收敛;针对化工p H中和过程非线性系统,采用非均匀采样数据,建立其模糊模型,通过实际数据与模糊模型输出数据误差对比,表明了实际系统在非均匀采样条件下,模糊辨识能够建立其过程模型,验证了提出方法的有效性.     

液力变矩器扭转动态特性分析及试验辨识

通过理论分析建立了液力变矩器的分段线性化扭振计算模型,并对其进行了简化.采用实验参数辨识的方法,借助Matlab/Ident工具箱,得到了系统的频率特性,通过逐段线性化方法,确定了系统的参数模型,从而确定了模型中的阻尼参数.通过曲线拟合得到了阻尼随转速比的变化曲线.为了验证辨识精度,取转矩为输入量,转速为输出量,利用Matlab/Ident工具箱比较了辨识和试验的输出结果,表明所建立的模型是准确的,辨识得到的阻尼值具有一定的精度.     

Angular velocity dynamics identification of small unmanned helicopter using fuzzy model

Attitude identification method for unmanned helicopter based on fuzzy model at hovering is presented.The dynamical attitude model is considered as basis for attitude control and it is very complex.To reduce the complexity of model,nonlinear model of unmanned helicopter with unknown parameters are to be determined by fuzzy system first and then derivative based gradient method is used to identify unknown parameters of model.Gradient method is used due to ability that fuzzy system is not necessarily to be linear in parameters,therefore all fuzzy sets for input and output can be adjusted.The validity of the proposed model was verified using experimental data obtained by the commercially available flight simulator X-Plane.The simulation results showed high accuracy of the modeling method and attitude dynamics data matched well with experimental data.     

船舶操纵性模型辨识

以二阶Ｋ－Ｔ方程为基础,采用系统辨识方法,利用实船旋回试验和Ｚ航行试验的测试数据,确定船舶操舵运动的静态和动态参数,并建立船舶操纵性数学模型。使用海试实测数据进行参数估计,结论与实际接近,给出一种切实可行的Ｋ－Ｔ方程参数估计方法。数据处理结果表明,实船模型辨识手段明显优于传统试验方法。     

基于模糊对向网络的非线性动态系统辨识新算法

以模糊对向网络为辨识模型,利用它所具有的模糊逻辑系统和神经网络两者的优点,在模糊C－均值聚类方法的基础上引入新的聚类目标函数,并证明了它的优化条件,将模糊聚类和最小二乘法相结合,提出一种模型参数学习的新算法,在直流电弧燃弧时间建模研究中的应用结果表明提出的算法是有效的。     

基于混合算法和PMU数据的发电机励磁参数辨识方法研究

励磁参数辨识是电力系统稳定计算校核的基础.研究利用WAMS数据在线辨识励磁系统参数的方法.首先,将励磁系统的在线参数辨识归结为一个输入输出系统的最优化问题.即输入PMU数据是发电机的PMU出口电压,输出PMU数据是发电机的励磁电压和励磁电流.目标函数是在同一输入下,模型的输出和实际测量输出的差异最小.在实现上,采用数据...     

基于自适应BP神经网络的桥梁结构荷载识别

在传统的BP神经网络中引入学习速率自适应调整算法，通过多次数值模拟计算确定学习速率和动量系数等网络 关键参数的取值；分析了学习速率、动量系数等网络参数对网络收敛速度和输出精度的影响；探讨了训练样本容量与网 络识别效果的关系.分别使用挠度、挠度曲率、应变和应变曲率作为输入参数对桁架桥梁荷载进行识别.结果显示以挠度 曲率或应变曲率为输入参数的网络识别效果明显优于以挠度或应变为输入参数的网络，以应变为输入的网络识别效果优 于挠度的情况；学习速率自适应调整算法有效避免了网络训练过程中误差曲线振荡现象的产生，提高了网络的学习效率 ，网络关键参数的最优取值改善了网络的收敛速度和输出精度     

液压及气动系统建模新方法——正交多项式辨识法

本文应用移位一般形式正交多项式进行系统辨识,并用于建立电液恒压泵和电气位置伺服系统的数学模型。本文方法可同时求得系统连续时间模型的未知参数和时延时间。整个辨识过程只需利用简单的系统响应信号(如阶跃响应)即可完成,不需附加的辨识激励信号。所以,这种方法具有更强的工程实用性。实践表明,本文所用方法的辨识结果具有令人满意的精度和稳定性,它可方便地推广至其他实际系统的模型辨识。     

磨煤机钢球磨损的一般数学模型研究

对中储式球磨机中多种随机过程联合作用的运行特征进行了综合分析,研究了各输入、输出状态参数之间的相互关系。在生产实践中,磨煤机的各工况条件参数是在一定范围内波动的,依据泛灰数理论,建立了既能反映工况条件参数的影响又能体现运行经济性的钢球磨损的一般数学模型,并对该模型提出了辨识的方法,为磨煤机运行过程的监控、预测和控制提供了理论依据。     

基于模型预测的神经网络非线性时滞系统的辨识和控制

大纯时延、媒种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因.本文提出了非线性延迟系统的延迟时间参数的神经网络辨识方法,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间.将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合,可以用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制.仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快,鲁棒性能好等优点.     

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.