一种基于非线性频谱分析的故障预报技术及应用

首先改进了一种非线性系统广义频率响应函数(GFRF)的辨识算法,提高了辨识结果的精度和鲁棒性,并依此提出了一种基于非线性频谱分析的非线性系统早期故障预报方法.然后,利用该方法对某型直升机并联电动舵机进行了实际故障预报.多次的实际检测结果表明了该早期故障预报方法的有效性.该方法的特点是:算法简单,计算量小,适合于在线故障检测和预报,可为一大类非线性系统的早期故障预报研究提供一种新途径,有着广阔的工程应用前景.     

一类非线性系统盲辨识算法及仿真研究

针对离散非线性系统盲辨识问题,提出了一种基于循环平稳输入的非线性系统盲辨识方法。利用循环平稳输入信号的一阶统计特性和Hammerstein-Wiener模型非线性部分的逆映射,将有输入信号的辨识过程转变为无输入信号的辨识过程。介绍了Hammerstein-Wiener模型的结构及循环平稳输入的统计特性,对盲辨识算法机理进行了阐述。仿真结果表明该方法在解决一类离散非线性系统盲辨识问题上的切实可行性。     

基于电路仿真的接收机中频放大器的GFRF模型

雷达引信是远程精确打击武器的重要组成部分,它的性能好坏直接关系着武器整体性能的发挥,因此,雷达引信的性能测试是武器系统运用过程中的重要环节。如何快速准确地判断雷达引信的性能是目前所关注的重要课题之一。接收机是雷达引信重要组成部分,对接收机的测试是引信测试的关键步骤。本文基于雷达引信接收机的各项技术指标和实际电路结构,利用EDA仿真软件Multisim2001建立了引信接收机的中频放大器、检波器的仿真模型,对实际引信测试过程中不可测的信号进行了仿真测试,在此基础上,利用非线性系统理论和方法建立了中频放大器和检波器的广义频率响应(GFRF)简化辨识模型,该辨识模型为雷达引信的快速测试提供了一个标准模板,它是构造雷达引信自动化测试系统的基础工作之一。     

自适应遗传算法的改进及在系统辨识中应用研究

为解决传统遗传算法早熟及收敛速度慢的问题，提出了一种改进的自适应遗传算法。通过对一典型的大海捞针粪（NiH）问题的试验，证明了改进后的遗传算法在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中，辨识结果表明该方法具有参数辨识精度高，抗噪声能力走，对输入信号通用性强，也适用于非线性系统参数辫识的优点，具有重要的工程使用价值。     

非线性系统的模糊辨识在线算法

在以往的模糊辨识方法中，均未给出在线调整非线性系统的模糊辨识算法。基于递推模糊聚类方法，提出了一种在线调节模糊模型的辨识算法。为了验证所提出方法的有效性，对几个非线性系统进行了辨识，最后给出了辨识结果。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

基于Lag-SBP的Wiener型非线性系统的辨识方法

给出了Wiener型非线性系统的一种新的辨识方法，采用Laguerre函数与静态BP网络相结合构成Wiener型非线性系统的模型，并给出此模型参数递推辨识算法，这种模型参数辨识不需要实际系统的阶次和时延先验知识，对实际系统阶次和时延变化有较强的鲁棒性。数字仿真验证了该方法的有效性。     

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰，研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法，利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离，推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数，有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比，提出的方法具有参数估计收敛速度快，辨识精度高，建模误差小等优势，验证了所提学习算法的有效性。     

闭环辨识条件下迭代激励信号设计方法

针对闭环系统辨识中激励信号的优化选择问题,提出一种迭代的优化激励信号设计方法.以优化控制的性能指标作为激励信号选择的目标函数,考虑闭环辨识的鲁棒性稳定性,以及激励信号、控制信号和输出信号的能量限定,求取激励信号的优化能量谱,并以迭代的方法逐步选择优化的激励信号和闭环辨识系统模型,从而得到满足闭环系统性能的系统模型和相应的激励信号.仿真验证结果表明,使用该方法得到的激励信号去激励闭环系统,进行模型辨识,能够有效提高辨识模型的准确性.