一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题，提出了一种鲁棒的总体最小二乘自适应算法．该算法利用滤波器的增广权向量的瑞利商为损失函数，导出了其自适应迭代公式，并利用随机离散学习规律对权向量模的分析进行算法梯度修正，提高了算法的噪声鲁棒性，而且使得算法简单，稳定性好，收敛精度高．将该算法应用于Volterra滤波器，可使滤波器在非线性系统中的信噪比达到10dB，在学习因子为0．01时，算法仍然能够保持良好的收敛性．仿真结果表明，即使在高噪声环境或使用较大学习因子的情况下，该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法．     

一种非线性系统自适应辨识的新方法

研究了Volterra级数模型的非线性系统的自适应辨识问题．并提出了基于Volterra滤波器的自适应算法，讨论了步长因子的确定问题以及对算法收敛性的影响．最后给出了一个用Volterra自适应滤波器对非线性系统建模的实例，证明了这种方法的有效性．     

基于Volterra级数模型的内模控制方法

针对一大类具有一定不确定性的非线性系统,提出基于Volterra级数模型的鲁棒内模控制器设计方法。利用局部形式的小增益定理,得到在辨识模型和实际对象模型失配的情况下,闭环系统鲁棒稳定的充分条件。对于设定点调节问题,得出闭环系统获得零稳态误差跟踪性能的充分条件。通过对一个连续搅拌反应池（CSTR）过程控制问题的仿真研究表明,应用该方法可以取得良好的控制效果。     

基于least-squares算法的随机非线性系统自适应控制的模块化设计

线性系统中基于估计的模块化设计就是任意镇定的控制器能够和任意标准的辨识器结合在一起,将这种设计思想推广到不确定随机非线性系统的鲁棒自适应控制设计中,设计一个输入状态稳定控制器模块,该控制器具有很强的参数鲁棒稳定性.根据Swapping技术设计辨识器模块,它由两个滤波器组成,将动态参数模型转化为静态模型,基于最小二乘(least-squares,LS)算法设计参数自适应律,并与梯度算法的设计结果进行比较研究,仿真结果验证了该算法的有效性.     

面向故障诊断的广义频率响应函数的在线估计方法

基于非线性谱分析的故障诊断是一种新的故障诊断理论。针对该方法中广义频率响应函数的在线估计问题,研究了利用Volterra时域核在线得到被测系统的广义频率响应函数的新方法。基于Volterra系统的鲁棒总体均方最小自适应辨识算法,提出了一种新的广义频率响应函数的在线估计方法。该方法能够有效减少广义频率响应函数的在线计算量,而且实现简便,鲁棒性强。仿真实验证明了该方法的有效性。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.     

一种Volterra级数模型的简化辨识方法及其应用

针对基于Volterra级数模型的非线性系统辨识中存在的“维数灾难”问题,提出了一种基于分块最小均方(BLMS)滤波器的简化辨识方法.该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核函数对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数,减少计算量的目的.最后,文章用一个工程实例验证了该算法的有效性.     

基于Volterra模型的一类通信系统的参数辨识

分析了Volterra级数理论对于非线性系统的模型建造的意义，提出了一类通信系统的适用于系统辨识的新模型──Volterra离散频域模型．应用此模型对一个具体的通信系统有效地进行了非线性故障诊断和参数辨识．     

电液伺服系统多模型鲁棒自适应控制

针对电液伺服系统中存在不确定非线性和强参数不确定性的问题,提出一种多模型鲁棒自适应控制算法。根据系统参数不确定性范围建立了多个辨识模型,在辨识模型中设计非线性鲁棒项,以抑制干扰、未建模动态等不确定非线性的影响,提高系统的鲁棒性。基于辨识模型设计相应的控制器,采用基于辨识误差的性能指标函数作为切换依据,选取最佳控制器作为当前控制器,解决了传统自适应控制对参数自适应初值敏感的问题。该方法能够克服不确定非线性和强参数不确定性的影响,使系统得到渐进跟踪的性能,提高系统的瞬态响应性能。实验结果表明,该算法能抑制建模不确定性的影响,系统期望跟踪指令幅值为10mm时,跟踪误差大约为0.038 6mm,相对跟踪误差约为0.386%,系统跟踪精度得到了提高。     

离散时不变线性系统的自适应控制

针对含未建模动态和外来干扰的离散ＳＩＳＯ线性系统，提出一种具普遍性的自适应控制方法．这种控制器的设计是基于系统的已知降阶模型，对建模部分的未知参数采用带有死区的加权最小二乘法进行参数递推估计，从而得到稳健的自适应控制．     

鲁棒递推最小二乘参数辨识的新方法

本文提出一种新的回归方程的鲁棒递推辨识方法。该方法通过Huber函数选择加权因子,使得参数估计值对由测量系统引起的大扰动或异常值具有鲁棒性。文中给出并证明了该算法对确定性系统的参数估计的收敛性与一致性定理。两个线性动态系统的计算机仿真实例显示出该方法对大扰动或异常值的良好鲁棒性以及参数估计的收敛性。     

基于总体最小二乘的多麦克风阵列狙击手定位算法

针对战场狙击手威胁日益增加的严峻现实,提出了一种基于总体最小二乘的多麦克风阵列狙击手定位算法。利用空间上随意摆放的多个线性麦克风阵列,通过枪口激波到达各阵列阵元的时延差及方位角,利用总体最小二乘算法对狙击手位置进行估计;并同时可以得到狙击手的射击时间及环境声速。通过仿真证明算法具有较高的测量精度。     

一种系统在线辨识算法的改进研究

研究了线性单输入单输出系统在线辨识的递推算法．为确保复杂的智能控制有更充裕的时间，在保证辨识精度的情况下，提出了减少参数辨识运算量的变步长递推算法．传统的递推最小二乘法采用的方式是每获得一组新观测数据就修正一次参数估计值，而变步长递推算法增加了改变每次修正参数估计值前获得新观测数据的组数，合并了一些重复的运算．对该算法进行了推导，并给出了参数误差的差分方程，在理论上证明了算法的收敛性．仿真和实验表明，该算法的运算量有明显减少，而收敛速度和辨识精度几乎没降低．     

离散系统动态载荷识别的时域方法

本文提出了一个离散系统动态载荷识别的时域方法。将动载荷识别问题完全归结为求解Voterra第一类积分方程的正解问题,进而获得了比例阻尼系统和一般粘性阻尼系统动态载荷的识别计算模式。最后采用数值逼近解法进行的仿真实例说明,方法是有效的。     

一类混杂系统的模型辨识

针对一类具有切换结构的混杂系统,提出一种基于仿射传播聚类的模型辨识方法。将模型辨识问题等价成对系统数据的分类和分类数据的回归问题。通过仿射传播聚类算法对样本数据进行聚类划分,并分别采用最小二乘支持向量机算法对子样本分别建立模型。仿真结果验证了该方法的有效性和实用性。     

IMC-PID鲁棒控制器设计及其在蒸馏装置上的应用

文中提出一种简便的闭环系统辨识算法和内模控制系统的设计方法。该方法便于在DCS上用组态来实现,使DCS的PID控制算法方便地转换为IMC-PID鲁棒控制算法,该系统几乎免维修,控制速度快,鲁棒性很好。该方法还使闭环辨识算法与IMC-PID鲁棒控制器设计结合起来,形成一个软件包,将它用于常减压蒸馏装置上,使控制系统性能与鲁棒性大为提高,取得很好的控制效果。     

一种鲁棒的约束总体最小二乘无源定位算法

摘要：
为解决异常误差导致的机载单站无源定位不准确问题,提出了一种鲁棒的约束总体最小二乘(RCTLS)定位算法.首先建立定位模型,构建了加权的约束总体最小二乘(WCTLS)定位准则,并给出了牛顿迭代解.然后,利用广义M估计原理构建了WCTLS准则的鲁棒极值函数,将鲁棒CTLS问题转化为对等价权函数的设计问题,并根据丹麦法构建了等价权函数.理论分析表明,RCTLS算法能够有效识别异常误差,并降低异常测量数据的权值以减小其对定位结果的影响.仿真结果显示,存在异常误差时, RCTLS算法能够获得理想的定位估值,具有较强的鲁棒性.