基于支持向量机和粒子群算法的励磁系统频域辨识

针对励磁系统参数实测及建模问题,提出了采用支持向量机和粒子群算法进行励磁系统参数频域辨识的方法.先用支持向量机方法来提取特征样本,然后采用粒子群算法和这些少量的特征样本对励磁系统进行参数辨识.用支持向量机筛选出的特征样本一方面可以减少粒子群算法的计算时间,另一方面还可以提高模型的辨识精度.实际算例表明粒子群算法用于频域辨识时实现过程简单,对简单模型和复杂模型都可以得到较好的辨识效果.     

基于EM-EKF算法的RLV再入段气动参数辨识

可重复使用运载器(RLV)再入返回段的气动参数表现为不确定和快时变的特点,导致RLV气动特性具有强耦合性和非线性,使气动模型难以设计和控制,降低了飞行器的稳定性.在系统噪声存在的前提下,针对RLV的动力学模型,提出一种由最大期望(EM)算法和扩展卡尔曼滤波(EKF)算法相结合的RLV再入段气动参数辨识方法,以飞行高度和攻角为基准,每10 km一个区间将RLV再入段划分为3个飞行阶段,并分别进行了气动参数辨识.首先,将RLV飞行器再入段的动力学模型转换为非线性系统的状态空间模型;其次,基于状态空间模型,将飞行器的原始状态向量进行扩维,得到由待辨识气动参数和原始状态向量组成的新扩维状态向量;然后,采用EKF算法对RLV气动模型的扩维状态向量进行辨识,达到滤除噪声和估计未知气动参数的目的;之后,为了降低测量和过程噪声统计特性的设置对EKF辨识结果带来的影响,在EKF算法前向滤波和Rauch-Tung-Striebel(RTS)后向平滑过程的基础上,采用EM算法对EKF的测量和过程噪声的先验统计数据进行估计,基于估计所得到的精确噪声特性,能够更好地提高EKF算法对气动参数估计的精度;最后,通过基于EM-EKF算法与极大似然方法的气动参数辨识值对各种气动系数影响的仿真对比,验证了EM-EKF结合辨识算法的准确性.     

线性规划支持向量机在非线性系统辨识中的应用

使用线性规划优化技术代替二次规划优化技术,通过最小化支持向量数来实现支持向量机算法.由于线性规划支持向量机的核函数不需要满足Mercer定理,因此,采用复高斯小波B样条小波作为支持向量机的核函数,建立了线性规划支持向量机模型,并将其用于非线性系统的辨识.仿真结果表明,线性规划支持向量机模型的辨识精度高于二次规划支持向量机模型.     

自回归模型的多新息随机梯度和多新息最小二乘辨识方法

将多新息辨识理论用于研究自回归模型的参数辨识问题,通过把标量新息扩展为向量新息(即多新患),扩展信患向量到信患矩阵和构成堆积系统输出,从而提出了自回归模型的多新息随机梯度辨识算法和多新息最小二乘辨识算法.仿真结果验证了提出算法的有效性.     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

改进遗传规划算法在系统辨识中的应用

为了解决工业过程中数据丰富但机理不完全可知的非线性动态系统建模问题,提出了一种改进的遗传规划算法,以辨识模型结构和参数.该算法首先基于多层次辨识和反馈的基本思想,对系统进行多次辨识,直到把辨识误差缩小到可接受的范围;然后,采用最小二乘法估测模型参数,避免优良模型结构因低劣参数而被淘汰;最后,实施M估计技术,削弱强噪声对建模的影响,增强模型泛化能力.针对满足Lotka-Volterra方程的非线性动态系统进行建模仿真,试验结果表明该算法能较好地辨识满足Lotka-Volterra方程的一类非线性动态系统.     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

基于群体智能算法的非线性系统参数辨识

群体智能算法是一类适用于非线性、不可微和多峰值复杂函数的优化方法.针对非线性系统的特点,在粒子群算法中,采用贪婪准则来确定全局最优粒子,并将该算法与人工蜂群算法应用于非线性系统参数辨识,辨识结果显示了两种算法对含加性噪声的NARMAX模型辨识的有效性,并为将来的研究工作提出了方向.     

最小二乘支持向量机在汽车动态系统辨识中的应用

汽车转向时动态系统参考模型对于汽车稳定性的控制有重要影响．基于最小二乘支持向量机算法,应用网络搜索和交叉验证的方法选择支持向量机参数,并将其应用于汽车转向时的非线性动态系统辨识,取得了良好的辨识效果,建立的参考模型能够较充分地描述汽车动力学行为。     

基于最小二乘支持向量机动态逆的非线性系统自适应控制

提出基于最小二乘支持向量机动态逆的一种非线性系统自适应控制方法.该方法采用最小二乘支持向量机辨识非线性系统的动态逆模型,并将其串联在原系统之前得到复合的伪线性系统.对于建模误差、不确定因素等引起的非线性系统逆误差,采用在线最小二乘支持向量机进行自适应补偿.最小二乘支持向量机的在线参数调整规律由Lyapunov稳定性理论导出,并证明了非线性闭环系统的稳定性.仿真结果证明了该方法的有效性.     

一类长短波方程的新的精确解

利用齐次平衡法、双曲函数法、试探函数法求出了一类长短波方程多个新的精确解.     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。     

小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

一个新的混沌系统及其广义投影同步方法的研究

利用标准的线性符号函数替换了Lorenz-Stenflo(LS)混沌系统的一个非线性项,重构得到了一个新的四维混沌系统,命名为修正的Lorenz-Stenflo(MLS)混沌系统.简化的结构使得该系统易于用电子线路实现.接着根据线性系统稳定性理论,结合非线性反馈控制方法,提出了MLS系统的广义投影同步方法.理论推导得到了2个MLS混沌系统实现广义投影同步的稳定条件.改进的投影同步控制器具有多个可变参数,可以自由设定系统的同步速度和同步形式.该方法适用范围广,应用灵活,简单易于实现.仿真结果验证了同步控制器可在多种同步形式下实现2个MLS混沌系统的广义同步,动态过程误差小.     

Application research of wavelet neural networks in proces control

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制。结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案。该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点。由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现。用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准ＰＩＤ控制器好得多的控制效果。     

基于ALCSL＆LS核函数的支持向量机签名认证

提出一种名为ALCSL＆LS的核函数来描述签名动态信息之间的相似性.ALCSL＆LS核函数利用自适应最长共同子序列的长度,不仅描述了签名动态信息整体上的趋势相似性,而且选择性的描述了某些重要的特征局部在时间弯曲校正后的相似性,并将两者融合生成核矩阵.该核函数具有相似性描述直观、对噪音具有的鲁棒性和易于实现等优点,它核化的支持向量机实现了签名原空间上的非线性划分.基于此方法的签名认证实验获得了比较满意的结果.     

基于黄金分割二分法鞍点线抽样的可靠性分析

为解决非正态变量空间中复杂多变的隐式非线性功能函数的可靠性问题,融合鞍点估计与线抽样法的优点,结合二分法的特点与黄金分割法的求解效率,提出基于黄金分割二分法的鞍点线抽样法.在标准化变量空间中,沿重要线抽样方向,利用黄金分割点的二分法快速找到各样本点对应于功能函数的零点,从而可按照鞍点估计的思想将结构的失效概率转化为一系列线性功能函数失效概率的算术平均值.研究表明:基于黄金分割二分法的鞍点线抽样法在求解非正态变量空间中复杂多变的隐式非线性功能函数的结构可靠性时不仅精度高,而且速度快.     

修正LS谱共轭梯度法及其收敛性

提出一个无约束优化问题的修正LS谱共轭梯度法,在Wolfe线搜索下算法具有下降性和全局收敛性,初步的数值实验结果表明该方法是有效的,适合于求解非线性无约束优化问题．     

修改的LS共轭梯度法在强Wolfe条件下的全局收敛性(英文)

提出一种修改的LS共轭梯度法.在精确线搜索下,该方法可归结为LS共轭梯度法.在非精确线搜索下,它满足充分下降条件gkTdk≤-3/4∥gk∥2.本文还证明了其在强Wolfe条件下的全局收敛性.初步的数值结果表明该方法是有效的.     

一种新的修正 Liu-Storey 共轭梯度法的全局收敛性（英）

在 Liu-Storey(LS)公式的基础上给出了一个修正的共轭梯度公式 beta _k^MLS. 证明了该新公式在 Wolfe-Powell 线搜索下, 甚至在强 Wolfe-Powell 线搜索下, 在满足sigma in bigg(0,textstyle1 over 2bigg) 的同时, 新算法具有充分下降性和全局收敛性. 数值结果展现了算法的可行性.