一种非线性系统的N阶线模型及其辨识方法

广义脉冲响应函数模型由于其辨识对输入激励的苛刻要求,限制了其在非线性系统故障诊断方面的应用.提出了一种基于广义脉冲响应函数的可以描述非线性系统动态响应过程的N阶线模型.它将广义脉冲响应函数的各阶空间特征压缩到一条边线上,减少模型的表征量,从而降低辨识的输入激励要求,使被压缩的模型更易于被辨识.并且,根据广义脉冲响应函数的特性,提出了模型的辨识方法.最后,仿真验证了模型的辨识,并分析了故障对模型的影响特征.表明该模型适用于非线性系统的故障诊断.     

基于xPC的三轴仿真转台模型辨识方法研究

从实验设计,输入信号分析以及模型验证三个方面全面进行三轴仿真转台模型辨识研究。基于xPC实时系统和反射内存实时网络设计转台模型辨识试验,用谱分析方法研究输入信号特性,采用AIC准则和广义最小二乘法实现对转台模型的辨识,最后采用统计方法和最大熵谱估计方法对所得模型进行验证。结果表明,所辨识的转台内环控制系统模型可信度较高,可以用于半实物仿真的误差评估。     

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。     

基于回归神经网络的滑模跟踪器设计

基于回归神经网络的在线辨识 ,为实现非线性系统自适应控制提供了一种很有应有前景的方法。本文基于具有线性输入特性的神经网络 ,提出了使系统辨识误差具有指数收敛特性的学习算法。为了得到尽可能普遍的控制律 ,本文运用滑模技术设计出控制信号 ,用其补偿神经网络模型与非线性系统之间的匹配误差。以此为基础 ,提出一种新的基于回归神经网络的间接自适应控制方案。仿真结果表明 ,本控制方案具有较好的跟踪性能     

MIMO-OFDM系统多基站协作传输的盲定时同步算法

提出了一种用于多基站协作传输多输入多输出（multiple input multiple output, MIMO）正交频分复用（orthogonal frequency division multiplexing, OFDM）系统的分布式多天线盲定时同步算法,利用接收信号的循环平稳特性,根据天线间时延导致的接收信号循环自相关函数谱峰的偏移量得到天线间的时延差值。采用一种基于滑动窗的检测算法,得到各天线时延值。仿真结果表明,该算法在无须额外同步数据的情况下,能有效地解决分布式定时问题。     

基于Volterra级数的全解耦RLS自适应辨识算法

针对非线性系统辨识问题,提出了一种基于Volterra级数模型的非线性系统的全解耦RLS自适应辨识算法。按照Volterra伪线性组合结构,采用RLS自适应辨识和约束优化理论,导出了具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种基于Volterra级数模型的全解耦的RLS自适应辨识算法。该算法与部分解耦的RLS自适应算法相比,显著提高了辨识过程的收敛速度和精度。仿真结果验证了该方法的有效性。     

典型Weiener模型和Hammerstein模型数学模型辨识方法

本文介绍的非线性动态系统中的典型Weiener模型如“线性—限幅”系统,“线性—死区一限幅”系统和典型Hammerstein模型如“死区—线性”系统,“滞环—线性”系统参数辨识方法,是在只知道系统输入和输出,而不知道中间变量任何信息的情况下,利用频谱分析方法,辨识出系统中线性和非线性部分全部参数的。最后,还对非线性特性辨识结果进行确认性检验。     

MIMO-OFDM系统中基于CS-ESPRIT算法的多频偏盲估计

提出了一种基于接收信号循环平稳特性(CS)和基于旋转不变技术的参数估计方法(ESPRIT)的多输入多输出正交频分复用(MIMO-OFDM)系统多频偏盲估计算法。理论分析表明,算法无需训练序列或导频符号,可估计每对收发天线间频偏,适用于任意分布加性平稳噪声下的频偏估计。计算机仿真验证了算法在低信噪比下仍可取得稳定性能,并在传统单入单出(SISO)OFDM系统中也可获得较好的性能。     

合金热挤压中基于混杂模型的突变预测与仿真

通过研究合金热挤压过程中的突变现象与观测参数之间的关系,提出了一种观测值增量估值模型,在此基础上构建了一种基于增量估值模型的混杂系统,实现对挤压过程连续状态和离散状态的有效辨识;其中,针对连续状态的辨识,为了对参量进行有效检测,将参量设计为增量加速度向量,根据观测量瞬间变化时原有稳定系统观测模型与实际情况不匹配,从而导致新息序列统计特性发生变化的事实,构造了一种增量向量检测器;针对离散状态的辨识,采用隐马尔科夫模型,结合混杂模式转换概率矩阵,构建了一种离散状态辨识器。最后,基于新提出的混杂系统模型,设计并实现了一种有效的突变预测算法,仿真实验结果表明,新算法具有良好的突变预判性。     

一种信道盲辨识与均衡的新方法

针对信道盲辨识的闭式解存在估计精度低,方差大的缺点,以及源信号无法完全恢复的问题,提出了一种基于调制引入循环平稳性的信道盲辨识与均衡的新方法。通过对循环功率谱进行适当的变量代换得到功率谱-传输函数方程,再将其反变换到时域得到求解FIR信道的方程组解法。仿真结果表明,提出的信道盲辨识算法的性能优于信道盲辨识的闭式解,而且源信号也可以完全得到恢复。     

基于Hammerstein-Wiener模型的广义预测控制

提出了一种新型的基于Hammerstein-Wiener模型的广义预测控制策略。采用基于最小二乘支持向量机的Hammerstein-Wiener模型描述非线性系统动态特性,作为被控对象预测模型。同时,针对现有遗传算法和混沌粒子群优化算法收敛速度慢和精度低等缺点,给出一种拟牛顿信赖域混沌粒子群混合优化算法,作为预测控制的滚动优化策略,函数测试和非线性对象的广义预测控制的滚动优化表明该算法的优越性。最后,对设计的预测控制器进行实例仿真,结果表明它能满足系统实时稳定运行的需求,取得了良好的控制效果。     

非线性双容水箱建模与预测控制

应用流体力学理论对双容水箱液位系统进行力学分析，采用机理建模方法，建立非线性数学模型。应用实测数据拟合模型参数，采用三组仿真，实测阶跃响应曲线，验证了机理模型．采用有约束一步非线性预测控制算法，并考虑了控制工程中多种实际约束问题，对双容水箱液位系统进行了实际控制。实验结果初步验证了控制算法，并进一步验证了模型的有效性。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

水箱液位系统的建模与仿真

应用流体力学原理对三容水箱液位系统进行分析,并在不同的工作点对水箱系统建立机理模型。基于不同的模型结构:线性模型、BP神经网络模型、非线性Hammerstein ARMAX模型,利用测量到的输入输出数据辨识对象的模型参数,对水箱系统建立数学模型,并通过仿真检验模型的有效性。不同的模型结构和相应参数及其辨识方法将对控制系统的设计具有很强的指导意义。     

Cooperative Neuro Adaptive Control of Leader Following Uncertain Multi-Agent Systems with Unknown Hysteresis and Dead-Zone

In this paper, a cooperative adaptive control of leader-following uncertain nonlinear multiagent systems is proposed. The communication network is weighted undirected graph with fixed topology. The uncertain nonlinear model for each agent is a higher-order integrator with unknown nonlinear functions, unknown disturbances and unknown input actuators. Meanwhile, the gains of input actuators are unknown nonlinear functions with unknown sign. Two most common behaviors of input actuators in practical applications are hysteresis and dead-zone. In this paper, backlash-like hysteresis and dead-zone are used to model the input actuators. Using universal approximation theorem proved for neural networks, the unknown nonlinear functions are tackled. The unknown weights of neural networks are derived by proposing appropriate adaptive laws. To cope with modeling errors and disturbances an adaptive robust structure is proposed. Considering Lyapunov synthesis approach not only all the adaptive laws are derived but also it is proved that the closed-loop network is cooperatively semi-globally uniformly ultimately bounded(CSUUB). In order to investigate the effectiveness of the proposed method, it is applied to agents modeled with highly nonlinear mathematical equations and inverted pendulums. Simulation results demonstrate the effectiveness and applicability of the proposed method in dealing with both numerical and practical multi-agent systems.     

行波型超声电机基于输入电压变化的参数模型辨识

针对超声电机具有很强的依赖于输入控制电压的非线性和时变特性,很难建立适合控制的完整而精确的动态数学模型的问题,在分析行波型超声电机接触机理的基础上,将输入控制电压对超声电机动态参数的影响转化为所建模型时间常数、系统增益和延时参数的变化,并使用函数插值原理辨识模型参数与输入电压之间的函数关系,建立了电机的整体数学模型.最后给出实验结果验证了模型的有效性.     

多变量非线性系统的有约束模糊预测解耦控制

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解耦控制算法:首先对多变量非线性系统建立T-S模糊模型,然后在每个采样点对系统进行局部动态线性化,将得到的系统线性化模型进行对角解耦,然后对其设计带输入约束的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Dio-phantine方程,减小了计算量,且削弱了变量之间的耦合程度.最后的仿真结果说明了该算法对多变量非线性系统的有效性.     

回归神经网络辩识电液伺服系统模型与仿真

建立了一种回归神经网络辩识非线性电液伺服控制系统数学模型的辩识方法,研究了基于回归神经网络内部状态反馈的辩识算法,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。     

基于改进T-S模型的模糊辨识算法及其应用

热工过程往往具有非线性和不确定性,用传统的描述热工过程动态数学模型的方法(如传统函数等)难以建立非线性模型,从而难于精确表达热工过程及实施整体优化控制。该文提出了一种基于改进T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间的划分,在此基础上利用加权递推最小二乘法(WRLSA)建立热工过程的T-S模型。仿真结果表明基于改进T-S模型的非线性模糊模型,不仅能精确地描述过程的非线性,而且算法简单、快速。