连续时间线性系统递推最小二乘辩识的收敛性分析

本文针对多输入多输出的连续时间动态线性系统在系统噪声盯关的情形下，研究了递推最小二乘辩识，给出了保证最小二乘辩识强一致性的充分条件。     

内热式多级连续真空炉动态模型的辨识与仿真

从辨识的角度出发，采用多变量的最小二乘递推算法，获得了内热式多级连续真空炉的动态低阶线性模型．此模型是一个多输入－单输出系统，经仿真计算，其结果是令人满意的．此模型的获取，为进一步确定炉子的优化控制策略奠定了基础．     

基于多层前向神经网络辩识电液伺服系统模型

建立了一种辩识非线性电液伺服控制系统数学模型的辩识方法,研究了多层前向神经网络辩识非线性系统的辩识算法和结构,利用辩识实验获得的过程输入／输出数据动态调整神经网络权值。仿真结果辨明：神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。     

基于自适应逆控制建模的多载荷识别技术

以齿轮箱为研究对象．运用镜像映射变换(FHR)算法完成了对齿轮箱的自适应正向建模与辩识．在此基础上．研究了单输入单输出最小相位系统及多输入多输出系统的逆建模和多载荷识别原理，并通过试验进行了验证．从而建立起基于自适应逆控制建模的多载荷识别方法，为激励分析的故障诊断奠定了基础．     

基于自适应逆控制建模的多载荷识别技术

以齿轮箱为研究对象,运用镜像映射变换(FHR)算法完成了对齿轮箱的自适应正向建模与辩识.在此基础上,研究了单输入单输出最小相位系统及多输入多输出系统的逆建模和多载荷识别原理,并通过试验进行了验证.从而建立起基于自适应逆控制建模的多载荷识别方法,为激励分析的故障诊断奠定了基础.     

多层与多对象结构方程模型的约束最小二乘解

广泛应用的结构方程模型(SEM)属于不定方程模型.首先对现有的偏最小二乘(PLS)算法进行了改进, 在模长约束和路径分析思路下找到PLS最佳迭代初值, 然后结合配方回归给出了模型的确定性算法.一般SEM的结构变量是单层的, 直接联结观测变量;提出了多层SEM, 它的结构变量有下级结构变量, 再联结观测变量;基于约束最小二乘给出了算法.一般SEM的观测变量来自一个总体, 因而提出了多对象结构方程模型, 它的观测变量来自多个总体, 结合原来提出的评估模型给出了相应的算法.     

多变量非线性系统的有约束模糊预测控制

针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.     

利用拉氏变换的一种连续系统参数辨识方法

提出了一种单输入单输出连续系统参数辩识方法，并给出了仿真结果。     

模糊偏最小二乘及其在药物构效关系中的应用

针对高维变量系统的模糊建模易引起规则“组合爆炸”，以及变量间的耦合关系会导致模型泛化能力的减弱， 提出构建模糊偏最小二乘法(FPLS)的一种新方案.先采用非线性迭代偏最小二乘(nonlinear iterative partial least squares, NIPALS)方法从样本数据中成对地提取最优成分，使多变量系统降维，并消除其间的耦合关系;然后对提取的每 对成分采用TSK模糊系统及自适应学习算法，实现单输入单输出的非线性建模，并组合为FPLS模型.将FPLS法应用于人类 免疫缺陷病毒1型蛋白酶抑制剂构效关系，所需规则甚少，所建模型有较强的泛化能力和稳定性，显示出FPLS方法的优越 性.     

利用拉氏变换的一种连续系统参数辨识方法

提出了一种单输入单输出连续系统各数辩识方法，并给出了仿真结果。     

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.     

基于单层感知器的辨识方法及其应用

单层感知器神经网络模型是多层感知器神经网络———ＢＰ网络的基础,对单层感知器学习算法的改进是进行ＢＰ网络学习算法改进的基础。把带遗忘因子的递推最小二乘辩识算法的原理应用到单层感知器的学习算法中,提出了单层感知器的改进学习算法。这一改进算法克服了常规学习算法不适于在线学习的缺点。仿真实验的结果证实,基于改进学习算法的单层感知器完全可以满足线性系统在线辨识的要求。最后分析了这种改进算法的优点及其具有这些优点的原因     

一种非递推线性系统辩识算法

提出了最小二乘类辩识算法的全信息阵，通过对全信息阵的处理可同时获得在不同模型阶次下的参数估计和目标函数值，为确定模型的阶次和参数估计提供了方便。     

多支流河段水位过程预报模型的识别与模拟

应用多输入单输出差分方程建立了多支流河段水位过程预报的差分方程模型。对模型采用了离线最小二乘法识别出了系统静态参数。     

输入非线性方程误差自回归系统的多新息辨识方法

典型块结构非线性系统包括基本的输入非线性系统、输出非线性系统、输入输出非线性系统、反馈非线性系统等.输入非线性系统包括输入非线性方程误差类系统和输入非线性输出误差类系统.以输入非线性方程误差自回归系统,即输入非线性受控自回归自回归(IN-CARAR)系统为例,分别基于过参数化模型,基于关键项分离原理,基于数据滤波技术以及基于辨识模型分解技术,研究和提出了IN-CARAR系统的随机梯度辨识方法、多新息随机梯度辨识方法、递推最小二乘辨识方法、多新息最小二乘辨识方法.这些方法可以推广到其他输入非线性方程误差系统、输入非线性输出误差类系统、输出非线性方程误差类系统、输出非线性输出类系统、反馈非线性系统等.同时,给出了几个典型辨识算法的计算步骤、流程图和计算量.     

传递函数辨识(18):输出误差模型的辅助模型递阶迭代参数估计

针对输出误差系统,利用迭代搜索原理,研究了辅助模型梯度迭代算法、辅助模型最小二乘迭代算法、辅助模型多新息梯度迭代算法、辅助模型多新息最小二乘迭代算法;利用递阶辨识原理,研究了辅助模型递阶梯度迭代算法、辅助模型递阶多新息梯度迭代算法、辅助模型递阶最小二乘迭代算法、辅助模型递阶多新息最小二乘迭代算法等.这些辨识方法可以推广...     

一个蒸汽过热器的闭环辨识及几种闭环辨识方法的比较

本文采用了相关分析最小二乘两步法(COR—LS)和两种辅助变量法(IV—A,IV—B),对一台五万千瓦机组锅炉蒸汽过热器进行了闭环辨识.建立了蒸汽过热器单输入——双输出模型,并通过数字计算机仿真和模拟计算机仿真,对不同辨识方法作了比较。     

同阶单输入控制系统的同时镇定问题

研究了单输入控制系统的同时镇定问题，给出了时镇定ｒ个单输入系统控制器争存在的充分条件，并由此提出了一种设计同时镇定ｒ个单输入系统控制器的最小二乘算法，由于最小二乘算法具有很好的几何特性，从而使本文算法不仅计算简单，而且能够方便地从几何图形上分析并修改系统的解，避免系统设计的盲目性。     

神经-模糊预测控制算法及应用

提出了一种新的神经－模糊系统，结构上分为六层，包括一个输入层、一个输出层和四层隐层。该系统规则的结论部分采用线性ARX模型，训练方法结合最小二乘法与BP算法。将此神经－模糊系统与广义预测控制算法相结合，形成一种神经－模糊预测控制算法。有一个具有三条规则的神经－模糊系统建立某大型纸浆厂碱回收炉的模型，并应用神经－模糊预测控制算法进行控制，结果显示神经－模糊预测控制算法性能优良，应用前景广阔。     

一类有色噪声干扰系统的辅助模型多新息辨识方法

针对一种有色噪声干扰系统,把标量新息扩展为向量新息（即多新息）,将最小二乘算法、随机梯度算法分别和辅助模型方法结合,提出了基于辅助模型的多新息最小二乘算法和基于辅助模型的多新息随机梯度算法。与传统最小二乘算法和随机梯度算法相比,所提出的算法可有效提高收敛速度和辨识精度,其中基于辅助模型的多新息随机梯度算法比基于辅助模型的多新息最小二乘算法计算量少、收敛速度快。仿真例子验证了算法的有效性。