本质非线性系统的线性化自适应滤波方法

1 引言我们知道,针对线性离散模型:X_(k-1)=φ_(k+1),_kX_k+Γ_(k+1),_kU_k+W_k Z_k=H_kX_k+V_k如作下列假设:E[W_k]=q_k,E[W_kW_i~T]=Q_k δ_(k,i),Q_k≥0E[V_k)=γ_k,E[V_kV~T_i]=R_k δ_(k,i),R_k>0{V_k}、{W_k}、{X_0}互不相关δ_(k,i)为 Kroneker δ-函数,满足下列关系:     

非线性模型结构辨识方法的分析

本文对模型拟合度判别法、交叉有效性确认法和统计假设检验法三种非线性模型结构辨识方法进行了分析比较,并将模型拟合度判别法推广到多变量系统的场合.通过计算机仿真实例,说明各种方法的实用性,找出最佳参数.最后,将它们进行了比较.     

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。     

基于非线性自适应IIR滤波器的混沌时间序列辨识方法

提出了一种混沌时间序列的非线性自适应IIR滤波辨识算法,该算法采用非线性IIR滤波器来自适应跟踪非线性混沌动力系统的动态特性进行辨识,实验结果表明,该算法具有较高的辨识能力和抗噪声性能。     

基于ANFIS的非线性系统辨识研究

系统辨识是控制系统设计的基础,对非线性系统进行辨识是当前的难点;文献[1]提出了用模糊建模方法,文献[2]提出了用神经网络方法,在总结上述方法不足的基础上,该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。     

稳态估计与动态辨识相结合的辨识非线性系统的新方法(英)

本文针对Hammerstein系统，提出了一种辨识非线性增益和脉冲响应的新方法，该方法同时利用稳态和动态两种信息，所得到的估计是强一致性的．并且还研究了非线性增益估计误差的渐近分布和收敛速度．仿真结果说明了该方法的有效性和实用性．     

非线性系统辨识

本文综述了非线性系统辨识问题，包括描述非线性系统的模型结构的辨识，模型参数的估计，并对可能的发展方向提出了作者的观点，最后介绍非线性系统辨识的若干应用。     

基于同步的多旋翼无人机非线性模型自适应参数辨识

针对多旋翼无人机的非线性模型,提出了一种基于同步理论的自适应参数辨识方法.其主要思想是通过设计一种"从系统",在实现状态与原有非线性系统同步的同时,设计自适应更新律,使得对参数的估计收敛到真值.所提方法能够适用于以非线性形式存在的参数,其渐近稳定性由李雅普诺夫方法和拉塞尔不变性原理予以证明.仿真实例可以验证,合理选择自适应增益,即便真值发生突变,所提方法也能保证估计值快速收敛到最新的真值.     

用Hammstein模型描述的非线性系统的结构辨识

本文研究了用Ｈａｍｍｓｔｅｉｎ模型描述的一类非线性系统的辨识问题，给出了这种模型辨识时的激励信号问题。     

基于自适应遗传算法的多项式模型结构与参数的一体化辨识

基于自适应遗传算法,提出一种多项式模型结构与参数的一体化辨识方法.针对组合非线性系统,首先将选定的候选项原始序列与输出序列进行相关度评估,根据其大小排列进行遗传算法染色体结构的自适应编码;在迭代辨识充分后,再次计算候选项贡献序列与由该项造成的模型损失序列间的相关度,剔除相关度较小的项,调整模型结构;如此循环迭代,在完成参数辨识的同时最终确认模型结构.仿真实例验证了算法的有效性.     

基于联合滤波算法的复杂时变系统在线自适应逆控制

针对一类结构和参数均具备时变特性的复杂时变系统,提出一种新的基于联合滤波算法的在线自适应逆控制方法.该方法在处理参数时变问题的同时可兼顾系统的结构时变特性,实现复杂动态系统的在线跟踪控制.同时提出新的联合Volterra核函数滤波算法,该算法克服了原Volterra滤波器计算复杂运算速度慢的缺点,实现了动态非线性系统的在线跟踪控制.通过仿真分析可以得出,对于此类线性、非线性复杂时变系统,基于新的联合滤波器的自适应逆控制方法可以快速有效的实现动态对象在线建模与控制.     

An adaptive robustizing approach to kalman filtering

The performance of a linear Kalman filter will degrade when the dynamic noise is not Gaussian. A robust Kalman filter based on the m-interval polynomial approximation (MIPA) method for unknown non-Gaussian noise is proposed. Two situations are considered: (a) the state is Gaussian and the observation noise is non-Gaussian; (b) the state is non-Gaussian and the observation noise is Gaussian. It is shown, as compared with other non-Gaussian filters, the MIPA Kalman filter is computationally feasible, unbiased, more efficient and robust. For the scalar model, Monte Carlo simulations are given to demonstrate the ideas involved.     

基于联邦滤波的自适应算法研究

针对标准卡尔曼滤波器对系统的模型和噪声的统计特性依赖性强,而系统的准确数学模型难以建立的问题,结合联邦滤波和自适应估计理论,提出了一种基于联邦滤波的自适应算法。该算法通过残差的实际值与理论值的比值来确定误差方差阵的估计值,然后调节自适应卡尔曼滤波器的渐消因子,从而有效提高了联邦滤波器的适应能力。由仿真结果可知,改进的联邦滤波器能较好地利用测量信息对系统的相关参数进行自适应的调整,滤波结果具有很好稳定性和准确性。     

基于向量图分析的自适应滤波快速算法

对自适应滤波算法进行了讨论,提出了基于向量图分析的快速算法.该方法与目前所有自适应滤波算法不同,将数学中的几何分析方法引入到自适应滤波的研究中,通过探讨最小均方(LMS)算法的向量图结构及其算法收敛的几何特征,在基于几何分析的基础上,寻找有效的快速算法.仿真结果表明了所获算法的有效性及优越性,从而为自适应滤波算法的研究开辟了另一条新的途径.     

Nonlinear identification of systems with parametric excitation

In this paper, the incremental harmonic balance nonlinear identification (IHBNID) is presented for modelling and parametric identification of nonlinear systems. The effects of harmonic balance nonlinear identification (HBNID) and IHBNID are also studied and compared by using numerical simulation. The effectiveness of the IHBNID is verified through the Mathieu-Duffing equation as an example. With the aid of the new method, the derivation procedure of the incremental harmonic balance method is simplified. The...     

Decentralized filtering adaptive constrained tracking control for interconnected nonlinear systems

This paper presents a novel decentralized filtering adaptive constrained tracking control framework for uncertain interconnected nonlinear systems. Each subsystem has its own decentralized controller based on the established decentralized state predictor. For each subsystem, a piecewise constant adaptive law will generate total uncertainty estimates by solving the error dynamics between the host system and decentralized state predictor with the neglection of unknowns, whereas a decentralized filtering control law is designed to compensate both local and mismatched uncertainties from other subsystems, as well as achieve the local objective tracking of the host system. The achievement of global objective depends on the achievement of local objective for each subsystem. In the control scheme, the nonlinear uncertainties are compensated for within the bandwidth of low‐pass filters, while the trade‐off between tracking and constraints violation avoidance is formulated as a numerical constrained optimization problem which is solved periodically. Priority is given to constraints violation avoidance at the cost of deteriorated tracking performance. The uniform performance bounds are derived for the system states and control inputs as compared to the corresponding signals of a bounded closed‐loop reference system, which assumes partial cancelation of uncertainties within the bandwidth of the control signal. Compared with model predictive control (MPC) and unconstrained controller, the proposed control architecture is capable of solving the tracking control problems for interconnected nonlinear systems subject to constraints and uncertainties.     

基于二维变分模态分解和自适应中值滤波的图像去噪方法*

图像在采集、获取和传输过程中往往夹杂着噪声,针对几种常用方法去噪效果不理想,提出了一种新的图像去噪方法。此方法通过二维变分模态分解将图像分解为一系列不同中心频率的子模态。保留其低频模态,并对其进行自适应中值滤波处理,从而得到其去噪后的图像。实验结果表明,与其他几种常用的去噪方法相比,本文方法在滤除噪声的同时,又能较好地保留图像的边缘细节,图像也获得较好的视觉效果,此外客观评价参数也得到比较明显的改善,随着噪声强度加大去噪效果愈明显。     

基于自适应分布式滤波观测器的多智能体系统编队控制

本文考虑了全局指令系统输出信息受到信道扰动情况下线性多智能体系统的编队控制问题.首先,基于协作式输出调节理论框架对线性多智能体系统的编队控制问题进行数学建模.其次,针对受到信道扰动的全局指令系统输出信息,提出了一类基于受扰输出的自适应分布式滤波观测器,在降低网络信息交换量的同时消除扰动的影响.最后,设计了输出反馈确定等价控制律,解决了线性多智能体系统的分布式编队控制问题.给出了数值仿真结果检验控制性能.     

一类非线性离散时间系统的模糊辨识

对一类非线性离散时间系统提出了模糊辨识方法,此方法用与未知参数向量成线性关系的模糊逻辑系统作为辨识模型,并通过自适应学习律对此模糊逻辑系统中的未知参数进行自适应调节,文中证明了此方法可使辨识误差收敛到原点的一个邻域内。仿真结果验证了此方法的有效性。     

基于改进NLMS算法的自适应滤波算法

最小均方算法是应用最广泛的自适应算法之一,但其收敛速度欠佳。在传统NLMS算法的基础上,提出了重复调整归一化最小均方算法(DRNLMS)即在相邻两输入信号样本的间隔时间进行额外调整运算,以提高算法的收敛性,并通过计算机仿真实现该算法。