采用函数替换方法建立导弹准线性化模型

为了建立导弹准线性化模型,将导弹动力学描述为状态空间形式;采用函数替换方法将导弹的非线性动力学描述为关于特定时变参数的函数的线性组合形式;以整个设计区间内模型参数变化范围最小为优化目标,采用线性规划优化算法确定了所选网格点上的模型参数.由于在模型生成过程中没有做线性化近似,所建立的准线性参数时变(准LPV)模型能够准确描述导弹系统的非线性动力学特性.所建立模型的正确性通过数学仿真得到了验证.     

生理过程模糊神经推理的虚拟植物

提出一种基于模糊神经生理过程推理系统的植物生长模型。该模型基于机器学习理论,从测量的数据中自动学习拟合植物器官生长函数,提取植物生长规律。在植物生长发育过程中,源库器官根据其生长函数响应虚拟环境,并进行生产、分配、利用同化物。同时器官功能部分的变化反馈到结构部分,对表示植物结构信息的L文法字符串进行修改。当生长环境变化时,模型自动调整生长函数的参数和L文法,在环境中进行优化选择,最终形成适应当前虚拟环境的植物。基于辣椒实验仿真表明,该方法能够准确提取植物生长函数和结构规律,逼真地展现植物对生长环境的响应和适应。     

基于UKF的参数和状态联合估计

对于因模型参数失配造成的非线性系统状态估计不准确现象,采用基于不敏卡尔曼滤波(UKF)的参数和状态联合估计方法,即将未知模型参数和状态组成增广的状态向量,用UKF同时获得参数和状态估计值.通过一个离散非线性随机系统的蒙特-卡洛仿真,总结滤波器参数对联合估计器性能的影响及参数选择规律.最后将该方法应用于一个典型的化工反应过程,获得了较好的效果.     

基于扩张状态观测器的双旋弹丸舵翼转速预测控制

针对存在于固定鸭舵式弹道修正弹舵翼滚转系统中的参数不确定性和不确定性非线性问题,提出一种基于输出反馈型扩张状态观测器的直接模型预测控制方法.该方法以扩张状态观测器估计系统扰动并以前馈补偿的方式融入控制器设计,结合较精确的舵翼滚转模型实现滚转状态预测和控制.在转速更新时间间隔内对非线性参数进行线性化处理,将复杂的积分遍历运算转换为低阶函数直接求解问题,大幅度降低了运算量.仿真实验结果表明:该方法能快速准确地对状态和干扰进行估计,且与传统控制方法相比,具有精度高、响应快、抗干扰及参数变化能力强的特点.      

基于反步控制的被动力伺服系统全状态反馈控制

针对被动力伺服系统的多余力矩问题,提出一种基于反步控制的全状态反馈控制方法,并利用Lyapunov函数的稳定性定理保证了设计控制器的稳定性.与以往解决加载多余力矩时不同,该控制器不仅使用加载系统各状态量,而且使用了承载系统的各状态量,在建立系统非线性模型的基础上,将系统方程重组成多个虚拟子系统,利用反步控制思想对每个虚拟系统设计虚拟控制量,进而一步步反向推导出含有加载系统和承载系统各个状态量的非线性控制器.因此,该控制器能够更加准确地抑制多余力矩,仿真结果也证明了该控制器的有效性.     

基于自适应逆推设计的STATCOM非线性鲁棒控制

针对受内部及外部扰动影响的含STATCOM(StaticSynchronousCompensator)的单机无穷大系统 ,使用自适应逆推方法构造出系统的存贮函数 ,进而同时获得非线性L2 增益干扰抑制控制器及参数替换律·该控制器不仅能够抑制干扰对系统输出的影响 ,而且由于在内部扰动中重点考虑了阻尼系数的不确定性 ,因此该控制器对系统参数变化也具有很强的鲁棒性·同时 ,该方法的设计过程系统、简明 ,易为工程人员所接受·仿真结果表明自适应逆推方法设计的控制器拥有更优越的性能     

基于线性函数型权重的RBF-ARX模型的磁悬浮球系统预测控制

为了充分描述磁悬浮球系统具有非线性、开环不稳定性及响应快速性等特性,建立一个带线性函数权重的RBF-ARX(linear functional weight RBF networks-based ARX model,LFWRBF-ARX)模型。与一般的RBF-ARX模型不同之处在于,它引入1个与工作点状态相关的局部线性结构作为RBF网络输出层的权值。该模型随系统工作点的变化而变化,固定工作点时为局部线性ARX模型,当工作点变化时为全局非线性ARX模型。根据该模型的结构特点,采用结构化非线性参数优化方法(structured nonlinear parameter optimization method,SNPOM)来辨识模型的结构及线性、非线性参数。然后,以辨识的模型为基础,根据模型的局部线性及全局非线性特征设计预测控制器。仿真结果表明:以该建模方法建立的模型能很好地局部和全局描述磁悬浮球系统的动态特性,并能实现小球的稳定悬浮控制,比以一般ARX模型、RBF-ARX模型为基础的控制效果更好。     

基于B参数的改进HMM动态手势识别算法

针对目前动态手势识别中隐马尔可夫模型(HMM)在训练B参数的过程中,训练过程复杂、易陷入局部最优解的不足,提出了一种基于B参数的改进HMM动态手势识别算法.该算法在计算HMM观测状态转移概率的过程中,引入了支持向量机(SVM)改进算法,利用SVM的强分类能力将其输出通过Sigmoid函数转换为概率,并作为HMM中各个隐状态的输出概率,优化了HMM的B参数,从而改进了HMM算法的性能,提高了系统的识别率.实验结果证明:该方法能够准确地识别出动态手势轨迹,平均识别率由86.1%提高到97.4%,并且对光照和复杂背景均具有较强的鲁棒性.     

含未知控制系数的非对称时变全状态约束严格反馈系统的自适应控制

研究了带有时变全状态约束和虚拟控制系数未知的非线性参数化严格反馈系统的控制器设计问题.在传统的自适应反推(backstepping)设计方法中,通过定义合适的误差变量并引入时变障碍Lyapunov函数(TVABLF)能够保证系统中的非对称时变全状态约束条件不被破坏.同时可以证明闭环系统所有的信号一致最终有界以及跟踪误差保持在一个有界紧集中.仿真结果说明了该控制方案的有效性.     

局部非线性振动系统参数识别的空间法

研究了具有平方非线性刚度和平方非线性阻尼的两自由度局部非线性振动系统，提出了一种参数识别局部非线性振动系统模型的空间法．该方法有效地利用模型的时间函数、频率函数和空间参数，使参数识别更为准确．利用该方法对非线性频响函数进行估计，并利用了最小二乘法对模型的非线性刚度系数和非线性阻尼系数进行了优化．     

电动车用镍氢电池模块的充放电模型研究

在电动汽车镍氢电池改进等效电路模型的基础上，基于模糊化电池的荷电状态（SOC），利用模糊推理的方法来估计电路模型的时变参数，并以SOC为模糊输入量，电池模型参数为模糊输出量．由于模糊推理所确定的模型参数根据模糊SOC是动态变化的，因此不仅提高了电池模型的精度，而且降低了对SOC估计精度的要求．仿真试验表明，在不考虑温度影响的情况下，利用该方法所得到的电池模块端电压仿真数值与实测值的最大绝对误差为0．04V，相对误差为0．28％，说明这种变参数不变结构的自适应模型具有很高的可靠性和精确性．     

蒸气压和温度关系的参数拟合

以乙醇为例利用非线性拟合技术和文献报道的实验数据,探讨了纯物质蒸气压和温度关系及其参数的拟合问题.从拟合的残差平方和和误差的统计分布规律考虑,基于蒸发焓与温度关系(Clapeyron-Clausius方程)的多参数模型明显优于常用的二参数模型和Antoine 方程.     

基于轨迹数据的空中交通燃油消耗估算

针对QAR数据难以获取以及现有空中交通燃油消耗估算方法精度差等缺点,提出了基于雷达轨迹和回声状态网络的空中交通燃油消耗估算方法。首先采用QAR数据训练了多参数回声状态网络燃油流率估算模型;然后,为了使该模型适用于雷达轨迹数据,通过灵敏度分析的方法提取影响燃油流率的关键因素,确定了以飞行状态、真空速、高度等参数作为输入量的少参数燃油流率估算模型;最后,以20条真实轨迹数据进行模型验证,结果表明:该估算模型的相对误差约为4%,精度比BADA模型提高了40%。     

约束UKF初始参数对Bouc-Wen模型参数识别的影响

为获得约束UKF初始参数对模型参数识别的影响规律,针对Bouc-Wen模型给出基于约束UKF在线参数识别方法,通过数值模拟分析初始状态估计均值与协方差、过程噪声协方差、观测噪声协方差等滤波器初始参数对模型参数识别精度与收敛速度的影响,提出相应的参数取值建议.结果表明：在无模型误差的情况下,约束UKF对初始参数的设置具有较好的鲁棒性;适当地增大初始状态估计协方差,减小过程噪声,采用真实系统观测噪声协方差以及减小初始参数值与真实值的偏差,可以有效提高参数识别收敛速度和精度.该研究为基于约束UKF的非线性结构模型在线参数识别方法提供了参考.     

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.      

基于状态观测器的输入受限不确定系统的滑模控制

研究了控制输入受限情况下不确定系统的滑模控制问题,其中,系统不确定性同时存在于状态矩阵和控制增益矩阵中。首先,利用状态观测器估计不可测状态;然后,在状态估计空间选择一种积分型切换面;最后,设计一个基于状态估计的滑模控制律以保证系统状态轨迹在有限时间内到达指定的切换面,同时利用等价控制律方法给出了滑模动态渐近稳定的充分条...     

基于GNL模型自适应无迹卡尔曼滤波的电动汽车的荷电状态估计

随着电动汽车的高效发展,逐年递增的退役动力电池回收利用已刻不容缓,对电池进行精确、可靠的荷电状态(state of charge,SOC)估计是实现电池梯次利用的关键技术。传统估计方法均未考虑对老化电池影响较高的自放电因素,本文采用在二阶RC模型基础上考虑了自放电因素的GNL电路等效模型,通过脉冲放电对模型参数进行辨识。对相应的状态空间方程利用矩阵二次型方法进行离散化,并利用自适应无迹卡尔曼滤波算法对SOC进行实时估计及更新。在间歇恒流工况和变电流工况下以老化电池为实验对象对算法进行了对比验证,结果表明双卡尔曼滤波法在初值估计不准确的时候不能及时收敛到SOC真值附近并跟随,基于二阶RC模型的自适应滤波算法估计的误差在工况后期较大,基于GNL模型的自适应滤波算法对老化电池的估计精度较高,误差在0.5%之间。结果表明该方法可使状态估计值具有较小的误差和快速跟随性,满足了SOC 估计的实际需求。     

锂离子电池荷电状态的在线融合估计方法

为提高安时积分法对荷电状态估计的精度,解决其估计误差随时间不断增大的问题,采用极限学习机算法建立了安时积分法的误差预测模型,该模型以电池工作电流作为输入,对应的安时积分法荷电状态估计误差作为输出,将误差预测模型与安时积分法进行融合,对安时积分法的荷电状态估计值进行校正,形成了安时积分法和极限学习机方法融合的锂离子电池荷电状态在线估计方法.仿真分析结果表明,相比安时积分法,融合方法可有效减小荷电状态估计误差,克服安时积分法估计误差随时间不断增大的问题.     

EM算法在不完全数据参数估计中的应用

EM算法是参数估计中一种很重要的方法,在处理不完全数据中有重要应用．用EM算法给出了基于状态空间模型的不完全数据的参数估计,得到了利用迭代算法计算参数估计值的方法．将之用于实例,结果表明,预测结果很好．误差在可接受范围内．     

语音识别中ARMA模型的研究

在用线性时间序列模型拟合语音数据时(例如用AR模型拟合),模型阶数越高,参数个数越多,统计计算时误差越大.本文在理论上对ARMA(1,q)模型的参数估计进行了推导,在数值计算上,得到了ARMA(1,0)模型的参数估计并对模型进行拟合,解决了用AR模型拟合语音数据时,统计计算时误差较大的问题.