基于广义模糊基函数的多变量模糊模型及其辨识方法

利用模糊穴位映射理论，提出一种有效描述复杂多变量系统的模糊模型－－广义模糊基函数展开式，它可方便地处理多输入多输出系统的语言和系统信息，并可逼近任意非线性函数，是一种通用的多变量模糊逻辑系统模型。利用语言信息，提出一种新的自适应参数辨识方法－－改进的Ｗｉｄｒｏｗ－Ｈｏｆｆ学习规则，仿真结果验证了它的有效性。     

基于模糊神经网络的非线性系统模型的辨识

该文提出一种非线性系统的模型辨识方法．利用关系聚类法来进行结构辨识，从而自动获得模糊规则库，并可以得到模糊系统的初始参数，在聚类的基础上，构造一个与之相匹配的模糊神经网络，用它的学习算法来训练网络，得到一个精确的模糊模型，从而实现参数辨识，通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

控制系统的一种直接盲辨识方法

提出一种在时域中直接盲辨识系统传递函数的方法。首先利用过采样方法，将SISO系统转换为具有相同零极点的SIMO系统进行处理；然后通过对新的SIMO模型先估计分子参数、后估计分母参数的方法，即可获得原SISO模型的参数估计。该方法也可用于辨识非最小相位系统。     

辨识Hammerstein模型的两步法

本文利用稳态和动态信息提出了一种辨识Ｈａｍｍｅｒｓｔｅｉｎ模型的新方法－两步法，该方法利用稳态信息获取非线性增益的强一致性估计，利用动态信息获取线性子系统未知参数的强一致估计，该方法具有计算简单和辨识精度高等优点，最后的仿真结果说明了该方法的有效性和实用性。     

蚁群聚类算法的T-S模糊模型辨识

基于T-S模型,提出一种非线性系统的模型辨识方法。利用蚁群聚类算法来进行结构辨识,确定系统的模糊空间和模糊规则数。在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现参数辨识。仿真结果验证了该方法的有效性,表明该方法能够实现非线性系统的辨识,辨识精度高,可当作复杂系统建模的一种有效手段。     

一类双线性Hammerstein模型的集成辨识方法

对于一类静态非线性增益具有原点对称特性的双线性Ｈａｍｍｅｒｓｔｅｉｎ模型,提出了一种稳态与动态辨识相结合的集成辨识方法。该方法利用稳态信号获得稳态模型的强一致性估计,并通过稳态模型获得非线性增益的估计,再利用动态信息辨识获得双线性Ｈａｍｍｅｒｉｓｔｅｉｎ模型的双线性系统未知参数的一致性估计。仿真结果表明了该方法的有效性和实用性。     

利用计算机仿真与系统辨识求解导弹弹道轨迹

提出了求解某武器系统导弹弹道轨迹的两种方法，计算机仿真和系统辨识方法，详细介绍了导弹系统的计算机仿真模型，并利用控制理论和数值分析的方法对仿真模型求解，根据系统辨识理论，将整个系统看作“黑箱”建立与输入，输出数据等价的模型，引入折息因子对模型进行辨识，最后分别给出了计算机仿真试验曲线和系统辨识试验曲线，证明了两种求解方法的有效性。     

半监督矢量量化的汉语方言辨识

提出了一种新的方言码本模型辨识系统。该方法利用半监督的思想对方言语音数据进行矢量量化,形成具有监督信息的码本模型。有效解决了在汉语方言辨识中码本精度不高的问题,系统的识别率有了很大提高。实验结果表明带有监督信息的码本量化方法明显优于传统LBG矢量量化方法,对于汉语三种方言,辨识率可达94.23%,比传统码本辨识系统提高了近13%的正确辨识率。     

输入输出端存在噪声时系统的无偏辨识

在实际辨识中，观测到的系统输入数据往往被噪声所污染，这给无偏辨识系统带来困难，基于和文［６］中相同的原理，本文提出了一种递推的偏差补偿最小二乘法。它通过在系统输入端已知滤波器，将已知零点嵌入被辨识系统中，然后利用这些零点所提供的信息在线估计辨识偏差，并将偏差加以补偿，从而实现系统的无偏估计。     

一种多输入单输出Hammerstein系统的集成辨识方法

针对多输入单输出(MISO)Hammerstein系统提出了一种稳态与动态辨识相结合的集成辨识方法.该方法利用稳态信息获取稳态模型的强一致性估计,并通过稳态模型以神经网络获得其非线性逼近函数,再利用动态信息辨识获取多输入单输出(MISO)Hammerstein系统的线性子系统未知参数的一致性估计.仿真结果表明了该方法的有效性和实用性.     

具有非参数化不确定系统的无偏辨识

本文研究了具有参数和非参数不确定性系统的集员辨识问题：分析表明利用我们在文（５）中提出的ＢＥＬＳ方法可以消除集员辨识中观测噪声引起的偏差，文中通过对系统输入数据的预滤波将已知零点嵌入系统，利用这些零点提供的信息将观测噪声引起的辨识偏差予以消除。     

具有分片非线性输入的Wiener系统的随机梯度迭代(英文)

研究了一类具有分片非线性输入(又称为死区非线性输入)的Wiener系统的参数辨识,分片非线性输入是一个强非线性输入,其数学模型不能写成参数乘以输入的形式,首先引入开关函数,接着利用开关函数将原系统的不可辨识模型转换为可辨识模型,然后通过随机梯度迭代方法辨识出系统的参数,利用辨识出的参数可以计算出系统所有待辨识参数。仿真结果证明了本文方法的有效性。     

闭环系统的输出过采样辨识方法及其估计精度分析

传统闭环系统辨识方法的可辨识性受到参考设定信号和控制器结构的限制．提出了一种通过对输出过采样实现线性离散时间闭环系统辨识的方法，输出过采样提供了更多的系统结构信息，在传统辨识方法的可辨识条件不满足的情况下，仍能正确辨识系统参数，针对有色噪声干扰，分析其在不同过采样率下的估计精度，得出最优估计的过采样率计算方法．辨识方法实现简单、运算量小、估计精度高．仿真试验验证了其有效性．     

一种基于改进双通道继电测试的闭环辨识方法研究

基于双通道继电反馈测试及其改进方案，提出一种提取SISO系统频域信息的闭环辨识测试方法，该方法具有许多有意义的特性，能在很大程度上克服现有辨识测试方法的问题与不足，在充分获取系统频域信息的基础上，引入频域辨识算法得到系统的低阶传递函数模型。对两个典型过程的仿真取得了良好的效果。表明了所提出方法的有效性。     

系统辨识算法的复杂性、收敛性及计算效率研究

实践中经常会遇到大型计算问题和优化问题, 使得求解问题算法的复杂性、计算量和计算精度等成为突出问题, 特别是大规模非线性多变量系统的辨识. 对此, 提出几个有趣的研究课题: 1) 利用信息滤波技术和多新息辨识理论研究能提高辨识精度的大规模系统辨识理论与方法; 2) 利用递阶辨识原理研究维数高、变量数目多、计算量小的多变量系统递阶辨识方法; 3) 利用鞅收敛理论建立非线性多变量系统辨识方法的收敛理论; 4) 利用并行计算与递阶计算技术提高辨识算法的计算效率, 以解决一类大规模非线性多变量系统的模型化问题.

     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi-Sugeno（以下简称T-S）模型辨识复杂系统的困难，本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上，再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度，而且具有良好的泛化功能。运用改进的FCM（Fuzzy-C-Means）模糊聚类方法，辨识该模糊模型的结构，与以往的方法比较，极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。     

基于辅助变量的闭环系统子空间辨识

提出一种基于辅助变量的子空间辨识方法,适用于控制器信息未知以及参考输入已知的闭环系统参数辨识.通过将输入-输出数据块正交投影到辅助变量的行空间,直接得到扩展观测矩阵垂空间的估计.由此可从闭环系统中提取出对象模型信息,同时由SVD分解得到扩展观测矩阵与下三角Toeplitz矩阵的估计.给出了系统参数矩阵、噪声矩阵的计算方法.将所提出的子空间辨识方法应用于闭环动态的系统参数估计,其结果表明了该方法的有效性.     

基于神经网络的机器人运动模型辨识及其实验研究

针对机器人楚模中不确定因素的影响，采用神经网络辨识机器人输入输出间的非线性关系，建立机器人的运动学模型，为了提高神经网络的辨识速度，基于Elman动态递归网络，通过增加网络输入输出的部分信息，提出一种新的动态神经网络结构——状态廷迟输入动态递归神经网络(SDIDRNN)，提高了网络的学习速度和稳态精度。以PowerCube^TM模块化机器人为研究对象，把根据机器人返回的关节位置信息和利用OPTOTRAK3020三维运动测量系统测得的机器人末端位置信患作为SDIDRNN的学习样本，对包含各种影响因素的机器人运动模型进行辨识，得到了满意的结果，说明了该神经网络的优越性。     

基于模糊似然函数的模糊辨识方法

提出一种基于模糊似然函数的模糊辨识方法。该方法利用模糊似然函数对样本数据进行聚类，并使模糊模型的结构辨识和参数辨识能同时完成，从而实现模糊模型的在线辨识。仿真结果证明了该方法的有效性。     

模型在线辨识方法及其应用

本文提出了一种有效的非线性模型和参数在线估计方法。为了实现模型在线辨识，本文根据误差性能指标，给出了模型判据及计算式。根据递推加权最小二乘算法和优选判据，导出了模型和参数同时在线估计的有效算法。为了提高计算效率和数值稳定性，模型辨识和参数辨识均采用了Ｕ－Ｄ分解方法。新方法可用于飞行器非线性气动模型和参数的实时估计。实际应用结果表明，使用该方法可以有效地确定多项式、样条函数模型结构，参数辨识的结果满