基于随机配置网络的非线性系统智能建模方法

针对一类非线性离散动态系统,研究非线性系统的智能建模方法.首先,采用带遗忘因子的递推最小二乘法对低阶模型的未知参数进行辨识;然后,对高阶非线性部分采用随机配置网络进行估计;最后,利用两种辨识方法在外部误差准则下对系统进行交替辨识,进而提出一种改进的非线性系统交替辨识的智能建模方法.将随机配置网络与递推最小二乘算法相结合,可有效提高非线性系统的辨识精度,并且通过数值仿真实验进行对比分析以验证所提出算法的有效性.     

基于双阶跃信号输入的Volterra模型辨识

Volterra模型作为非线性领域的一种非线性模型,由于其对工业过程可以以任意精度逼近,使得该模型有很广泛的应用研究意义。在将该模型运用到实际控制系统中之前,模型的高精度辨识显得尤为重要。在以往针对Volterra模型的辨识算法中,基本上主要是采用通用辨识算法识别模型参数,比如最小二乘法及各种改进的最小二乘法。这些通用的辨识算法在辨识Volterra模型时,不能充分考虑其非线性特点,同样不能在辨识过程中充分利用该特点。本文在充分考虑Volterra模型非线性的前提下,提出了一种基于双阶跃信号输入的Volterra模型辨识算法,该算法辨识原理简单,计算量较小,论文最后将该辨识算法应用到典型非线性CSTR系统的的辨识中,辨识结果证明了算法的有效性。     

基于KRLS的非均匀采样非线性系统辨识

利用提升技术可将非均匀采样非线性系统离散化为一个多输入单输出传递函数模型,从而将系统输出表示为非均匀刷新非线性输入和输出回归项的线性参数模型,进一步基于非线性输入的估计或过参数化方法进行辨识.然而,当非线性环节结构未知或不能被可测非均匀输入参数化表示时,上述辨识方法将不再适用.为了解决这个问题,利用核方法将原始非线性数据投影到高维特征空间中使其线性可分,再对投影后的数据应用递推最小二乘算法进行辨识,提出基于核递推最小二乘的非均匀采样非线性系统辨识方法.此外,针对系统含有有色噪声干扰的情况,参考递推增广最小二乘算法的思想,利用估计残差代替不可测噪声,提出核递推增广最小二乘算法.最后,通过仿真例子验证所提算法的有效性.     

采用限定记忆区间最小二乘法辨识DC伺服电机系统非线性参数的方法

以ＤＣ伺服电机系统作为研究对象，提出了采用限定记忆最小二乘法辨识具有非线性参数的ＤＣ伺服电机系统动力学参数的新方法．（１）采用限定记忆最小二乘法，辨识出了伺服电机的非线性参数与运动状态相关的轨迹．（２）提出了以速度指令信号的周期设定限定记忆区间长度Ｌ的方案．（３）对用限定记忆最小二乘法辨识出的非线性参数列再构出非线性参数列与状态变化间的对应关系，然后对每个与状态变化相关的非线性参数列，使用最小二乘法进行二次曲线的拟合，进一步构造出非线性参数的近似模型．（４）将拟合得到的非线性参数列的模型代入到ＤＣ伺服电机的动力学方程式中，便可构成电机系统的非线性模型．采用限定记忆最小二乘法可以观测到系统的非线性参数与运动状态变化的关系，并且可以构成更精确的电机系统的非线性模型，通过对模型与电机系统之间的误差检定，确认了使用此方法建立的模型具有误差小、精度高，更接近实际系统．     

基于最佳小波基的的非线性系数辨识

本文将小波分析与传统的最小二乘方法结合起来,使得非线性多入多出动态系统的辨识算法得到进一步发展。仿真结果表明,将小波分析引入非线性系统辨识领域,减少了辨识参数的数量,简化了算法,提高了精度。     

基于最佳小波基的非线性系统辨识

本文将小波分析与传统的最小二乘方法结合起来,使得非线性多入多出动态系统的辨识算法得到进一步发展,仿真结果表明,将小波分析引入非线性系统辨识领域,减少了辨识参数的数量简化了算法,提高了精度。     

扩张状态观测器用于连续系统辨识

使用扩张状态观测器估计连续系统状态和最小二乘法估计系统参数，直接对连续系统进行辨识。仿真结果表明，不管是线性系统还是非线性系统，只要结构对参数是线性的，都能有效地将其参数辨识出来。     

多种燃料锅炉效率曲线的辨识方法

多种燃料锅炉的运行优化是钢铁联合企业节约能源的一个主要方法,但是这种锅炉的效率曲线的辨识却是一个复杂而困难的非线性最小二乘问题。借鉴大系统递阶算法的思想,本文提出了一种新的两级递阶辨识的算法。这种算法通过预估关联量,将非线性最小二乘问题转化为两级线性最小二乘问题。实验的结果证明:这种算法是一种有效的算法。     

非线性系统的LSSVM联合逆控制器

为获得非线性系统的逆系统,提出一种非线性系统的最小二乘支持向量机联合逆控制器,介绍联合逆控制器和原非线性系统的整体架构,实现对非线性系统的线性化解耦控制,仿真结果表明,使用最小二乘支持向量机的辨识联合逆控制器模型精度高,具有较好的泛化能力,且有一定实际应用价值。     

基于遗传算法的非线性系统状态空间辨识

本文提出了一种基于遗传算法用状态空间方程描述非线性系统的辨识方法,研究表 明遗传算法能克服此类系统不能采用传统最小二乘法辨识的困难,并能有效地辨识出状态空 间维数及非线性度都不高的系统,同时指出基于遗传算法的非线性状态空间辨识方法在状态 维数确定、关键项确定和非关键项删除等方面还有待进一步研究．     

限定记忆法辨识带钢热镀锌退火炉模型参数

最小二乘参数估计方法可用于线性的或非线性的系统参数辨识,包括动态的、静态的和参数的或非参数的模型辨识,其递推算法更是收敛可靠,简单实用。但是随着数据的不断增长,最小二乘的递推算法将失去修正能力,出现数据饱和现象,限定记忆最小二乘法解决了这一问题,并能得到无偏、一致、有效估计。以已建立的连续带钢热镀锌退火炉数学模型为实例,用限定记忆最小二乘法辨识连续带钢热镀锌退火炉模型参数。通过对限定记忆最小二乘法的研究,进行模型参数辨识,并给出辨识结果和分析,结果证明了该方法的优越性。     

A weighted LS-SVM approach for the identification of a class of nonlinear inverse systems

In this paper, a weighted least square support vector machine algorithm for identification is proposed based on the T-S model. The method adopts fuzzy c-means clustering to identify the structure. Based on clustering, the original input/output space is divided into several subspaces and submodels are identified by least square support vector machine (LS-SVM). Then, a regression model is constructed by combining these submodels with a weighted mechanism. Furthermore we adopt the method to identify a class of inverse systems with immeasurable state variables. In the process of identification, an allied inverse system is constructed to obtain enough information for modeling. Simulation experiments show that the proposed method can identify the nonlinear allied inverse system effectively and provides satisfactory accuracy and good generalization. Supported by the National Natural Science Foundation of China (Grant No. 60874013) and the Doctoral Project of the Ministry of Education of China (Grant No. 20070286001)     

多温区电加热炉的系统模型辨识及仿真试验

多温区电加热炉建模是系统辨识领域中的一个典型问题,电加热炉控制过程往往表现出非线性、大迟延和耦合性等特点,难以用传统方法建立精确的数学模型.针对此问题,提出了一种加权最小二乘递推辨识算法,并应用到钟罩式加压烧结炉的建模试验中,通过试验验证了该方法能够获得较好的数学模型.此方法对多变量工业过程的控制方法研究、多变量系统的控制理论研究有着广泛的理论和实际意义.     

基于小波支持向量机的木材干燥控制技术研究

针对木材干燥系统强耦合非线性的特性,提出了一种基于小波最小二乘支持向量机的预测控制方法.讨论了利用小波支持向量机对木材干燥系统进行系统识别的方法,并将辨识模型应用于预测控制算法,实现了木材干燥的自适应控制.仿真结果表明,基于小波支持向量机的预测控制技术具有较好的鲁棒性,对木材干燥系统有很好的实用性.     

基于支持向量机的TSK模糊模型辨识与控制

研究非线性系统TSK模糊模型的辨识与控制,利用TSK模型,可以将线性控制理论应用于非线性系统控制。基于支持向量机和递推最小二乘法,辨识出TSK模糊模型,并且通过遗传算法优化隶属度函数参数,最小化辨识误差。针对TSK模型进行控制,控制器包括两个部分：权重最大子系统反馈控制及其监督控制,监督控制保证了系统的稳定性。辨识和控制仿真结果证明了算法的有效性。     

基于稳态非线性模型和线性ARX模型组合的非线性预测控制

通过点集映射来表示非线性系统的稳态模型,用系统的稳态增益来修正具有外界输入的线性自回归（AutoRegressive with eXternal input, ARX）模型的动态增益,提出了一种基于稳态非线性模型和线性ARX模型组合的非线性预测控制算法．该算法用递归最小二乘法在线辨识系统的动态模型参数,用序列二次规划算法求解目标函数．最后通过对典型化工非线性对象pH中和过程的仿真对本算法进行了验证．结果表明,本算法比广义预测控制算法具有更好的设定值跟踪性能和抗干扰能力．     

Correlation analysis based MIMO neuro-fuzzy Hammerstein model with noises

A novel identification algorithm for neuro-fuzzy based MIMO Hammerstein system with noises by using the correlation analysis method is presented in this paper. A special test signal that contains independent separable signals and uniformly random multi-step signal is adopted to identify the MIMO Hammerstein system, resulting in the identification problem of the linear model separated from that of nonlinear part. As a result, it can circumvent the problem of initialization and convergence of the model parameters encountered by the existing iterative algorithms used for identification of MIMO Hammerstein model. Moreover, least square method based parameter identification algorithms of dynamic linear part and static nonlinear part are proposed to avoid the influence of noise. Examples are used to illustrate the effectiveness of the proposed method.     

基于阻尼最小二乘法的神经网络预测偏差补偿自校正控制器

本文提出一种神经网络预测偏差补偿自校正控 制器,用线性模型的预测控制去控制非线性系统,其预测偏差用神经网络进行补偿．线性模 型的辨识和神经网络的学习均采用阻尼最小二乘法．仿真结果表明,用这种控制器能有效地 控制非线性系统,并具有超调小,鲁棒性好的特点．     

基于非线性频谱数据驱动的动态系统故障诊断方法

基于非线性频谱数据驱动方法, 研究了动态系统的故障诊断问题. 利用一维非线性输出频率响应函数提出一种非线性频谱特征提取方法, 为了提高实时性, 采用变步长自适应辨识算法进行求解; 根据估计偏差实时地改变步长, 兼顾了收敛速度与稳态误差; 获取了非线性频谱特征之后, 利用最小二乘支持向量机分类器进行故障识别. 通过对提升设备的故障诊断问题进行实验研究, 所得结果表明, 所提出的算法识别率高, 能满足在线诊断要求.