传递函数阵递阶随机梯度辨识方法的收敛性分析

阐述了递阶辨识原理,提出了传递函数阵模型参数的递阶随机梯度（HSG）辨识方法,在递阶辨识中,系统参数被分解为参数向量和参数矩阵,前者是由系统的特征多项式的系数构成的,后者是由传递函数矩阵分子多项式的系数构成的,借助于鞅超收敛定理的收敛性分析表明,HSG算法的参数估计误差一致有界;当持续激励条件成立时,参数估计误差一致收敛于零,递阶辨识方法具有计算量小和容易实现等特点。     

非均匀采样数据系统的故障检测

针对目前涉及较少的非均匀采样数据系统故障检测研究,研究了一类基于观测器的故障检测滤波器设计问题;对于非均匀采样数据系统,首先利用提升技术推导出系统的提升状态空间模型,然后选用基于未知输入观测器的故障检测滤波器来作为残差产生器;同时给出一种故障检测滤波器设计的H_∞最优化设计方法,并给出其最优解及存在条件;最后通过一个示例进行验证,结果证明了该方法的有效性;该方法能够有效地实现对非均匀采样数据系统的故障的检测。     

辅助模型辨识方法(3):输入非线性输出误差自回归系统

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.针对输入非线性输出误差自回归系统,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,研究了相应的基于过参数化模型的辅助模型递推辨识方法、基于关键项分离的辅助模型递推辨识方法、基于数据滤波的辅助模型递推辨识方法.这些方法可以推广到其他输入非线性输出误差系统、输出非线性输出误差系统、反馈非线性系统等.并给出了几个典型辨识算法的计算步骤、流程图和计算量.     

一种光纤光栅振动与温度同时区分测量的解调方法

研究了一种可实现振动与温度同时区分测量的光纤光栅解调方法。利用放大自发辐射光源在1 530 nm附近有一段线性区做边缘滤波器进行滤波解调,用匹配光栅将传感器中的温度与振动信号区分开而实现两者的区分测量。实验证明了此方案的可靠性,解调系统的静态波长灵敏度为1 785.6 mV/nm,波长和温度的分辨力分别达到了0.56 pm和0.044℃。该解调系统结构简单、成本低、分辨率高,可以实现对温度与振动同时监测的工程应用。     

广义输出误差模型的两阶段最小二乘递推辨识

在有色噪声干扰系统中有一类系统, 它具有广义输出误差模型(OEARMA), 本文提出一类广义输出误差模型的 两阶段递推最小二乘参数估计算法. 该算法基本思想是结合辅助模型辨识思想和分解技术, 将系统分解成两个子系统, 每个子系统包含一个参数向量. 借助基于辅助模型和递推最小二乘理论, 用辅助模型的输出代替辨识模型信息向量中未 知中间变量, 用估计残差代替信息向量中不可测噪声项, 从而可以运用递推辨识思想来估计系统所有参数. 该算法具有 较高的计算效率, 仿真例子说明提出算法的有效性.     

系统辨识(2):系统描述的基本模型

控制是一切科学问题的核心.数学模型是一切控制问题的基础.事物的运动规律用方程描述就是数学模型.不同学科的发展就是建立其数学模型的过程.本文首次把线性动态系统数学模型分为三类:时间序列模型,方程误差类模型,输出误差类模型;详细介绍了线性系统的一些基本数学模型,包括连续系统离散化和模型等价变换,单输入单输出随机系统模型,多变量系统模型,类多变量系统模型,多输入和多输出系统模型(传递函数阵主模型、子模型、子子模型,多输入单输出系统模型,单输入多输出系统模型等).     

非均匀周期采样系统的递阶最小二乘辨识方法

针对非均匀周期采样系统,通过状态空间模型离散化方法得到其输入输出表达形式.鉴于参数化后得到的辨识模型同时包含1个参数向量和1个参数矩阵,利用递阶辨识原理,将辨识模型分解为分别含有参数向量和参数矩阵的2个虚拟子系统;考虑到系统的因果约束问题,将包含参数矩阵的子系统分解为子子系统进行辨识,从而提出这类非均匀采样系统的递阶最小二乘辨识方法.仿真例子表明该算法是有效的.     

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。     

多变量输出误差系统的辅助模型随机梯度辨识算法

考虑了多变量输出误差系统的辨识问题. 使用系统可得到的输入输出数据构造一个辅助模型, 用辅助模型的输出代替信息向量中的未知变量, 提出了一个基于辅助模型的随机梯度辨识算法. 使用鞅收敛定理的收敛性分析表明: 提出的算法给出的参数估计收敛于它们的真值. 给出了带遗忘因子的辅助模型随机梯度算法来改进参数估计精度, 仿真结果证实了提出的结论.     

基于辅助模型的量化控制系统辨识方法

针对具有通信约束的量化控制系统模型, 在采用随机重复性试验测量信息的技术上, 提出了基于辅助模型的量化系统参数辨识方法. 首先分析了在随机重复性试验方法下量化系统的模型特征并给出了分两步辨识的策略.分析表明, 在上述模型里系统具有时变的估计误差, 推导了进行参数辨识所满足的持续激励条件, 并给出了基于辅助模型的多新息量化辨识递推算法. 接着研究了所给出辨识算法的收敛性分析, 得到了系统参数估计误差上界的计算式,最后将方法推广到一类Hammerstein非线性系统量化辨识问题上. 数字仿真验证了该算法及结论