振动系统非线性特性的神经网络识别法

本文介绍了振动系统非线性特性识别的一种结构化神经网络方法，与标准的前馈网络融进了人们对系统的已知认识，神经网络仅仅用来学习未知部分，本文将其应用于振动系统非线性特性的识别，结果表明该法是可行的。     

振动系统参数在线识别的方块脉冲函数法

对文［１］提出的利用方块脉冲函数识别振动系统参数的方法作出了改进，使之能在任意的初始状态下识别出系统的参数。通过仿真计算表明，改进后的方法具有很高的识别精度且更具实用性。     

基于相关函数的振动结构工作模态参数识别方法

把工作模态参数识别方法中的NEXT法发展为直接利用振动结构的加速度响应信号即可进行结构参数辨识的方法，理论上推导了振动结构相对于速度、加速度信号的脉冲响应函数，以及振动结构加速度响应信号间的相关函数，证明振动结构加速度响应信号间的相关函数与加速度信号的脉冲响应函数具有相同形式的表达式．另外以无约束等截面梁为例，利用梁振动的加速度响应信号间的相关函数作为梁的加速度信号的脉冲响应函数，采用特征系统实现法进行梁的工作模态参数识别，其结果与梁的理论参数值及频域法和利用脉动响应函数的特征系统实现法的识别结果进行了比较，结果表明工作模态识别方法在识别振动结构固有频率方面具有较高的精度．     

海洋平台振动载荷识别研究进展

根据工程应用实际。指出海洋平台振动载荷识别的必要性。国内外振动载荷识别技术的研究动态分析表明，动态载荷识别方法主要是频域识别和时域识别两大方面。主要对目前普遍使用的各种识别方法的优缺点进行了评述，并对今后该领域的研究方向作了展望，指出研究海洋平台等复杂结构的非线性系统理论模型和方法应成为今后发展的一个主要方向。     

非线性系统参数识别的频域方法

系统识别是现代控制过程的关键环节．本文提出了一种识别弱非线性振动系统参数的方法．本方法中，参数识别的数学模型是系统的一阶近似频率响应函数．首先，用多尺度法导出弱非线性强迫激励系统的频率响应函数．接着，利用非线性参数变换将此频率响应函数变换为系统参数的线性函数，在此基础上用最小二乘法识别系统的参数．最后，通过数值模拟检验了方法的精度．     

基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.     

大型机电设备的动态变形分析

阐述了测量和识别大型机电设备在运转工况下的动态变形方法，并通过分析某大型抽烟风机系统的振动，证实了该方法的有效性。     

非线性系统的非参数识别

对一个系统进行非线性的判别,进而识别出其非线性的类型,可统称为非线性系统的非参数识别。本文阐述了一些非线性时间序列的非参数识别的方法：对于确定性非线性振动系统,识别方法为极限环法和Ｈｉｌｂｅｒｔ变换;对于随机非线性振动系统,采用概率统计方法．其中有概率密度函数的分布,高阶矩,高阶相关和多维功率谱。计算机仿真实验证明,以上方法是行之有效的。     

一种基于响应的振动系统参数识别的迭代方法

研究了振动反问题,提出了一种适用于振动系统参数识别的迭代方法。该方法把振动控制方程转化为状态方程,基于振动系统的时域响应,通过构造一种矩阵迭代算法来反演系统参数。数值算例表明本文方法具有较快的收敛速度和较高的精度。     

神经网络在往复泵活塞磨损故障诊断中的应用

对用人工神经网络识别往复泵活塞磨损故障进行了研究。以在往复泵缸套压盖上采集的振动信号的振动功率谱为主要征兆，建立了基于人工神经网络的往复泵活塞磨损故障诊断系统。计算机模拟识别表明，运用该系统可较为准确地判别出活塞的磨损（破损）故障。     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

动态身份认证方案及应用

新颖、安全的动态身份认证系统主要由电子令牌、安全认证服务器、管理工作站、认证服务接口函数等组成.通过同步、非同步认证算法,生成"动态口令".由于生成的口令间无相关性,无法预测、跟踪、截取、破译,能有效提高身份认证可靠性.简要介绍基于时间、基于事件同步、非同步认证原理,分析了动态认证技术安全性.针对目前证券业中身份认证问题,以事件同步认证为例,详细介绍动态身份认证技术在证券交易中认证流程、以及认证系统与客户系统的集成.     

基于数据的MATLAB系统辨识工具箱模型识别

系统辨识是研究建立系统数学模型的理论与方法.从实测的系统输入输出数据或其他数据,用数值的手段重构系统数学模型的办法称为系统辨识.在实际应用中,可以采用许多方法从给定的系统响应数据,如时域响应中的输入和输出数据或频域响应的频率、幅值与相位数据等拟合出系统的传递函数模型,但由于这样的拟合有时解不唯一或效果较差,故一般不对连续系统数学模型进行直接辨识,而更多地对离散系统模型进行辨识.MATLAB的系统辨识工具箱中提出了各种各样的系统辨识函数.在介绍了系统辨识的基本理论和方法的基础上,利用Matlab仿真工具箱对给定实例进行仿真分析.通过仿真结果比较可见,两种方法都能够与实验对象有较好的拟合,而近似最优4阶辅助变量法所得模型拟合精度高于最小二乘法所得模型.     

Resetting AUDI Algorithm Used in Rapid Time-varying MIMO System Identification

Augmented UD identification (AUDI) technique is derived from the traditional recursive leastsquares (RLS) algorithm and has been developed rapidly during the last decade. AUDI is a cluster of identification algorithms based on matrix factorization methods (such as QR and LDL) and thus shows its stable performance in system identification applications. An AUDI algorithm with resetting strategy (RAUDI) has much ability in rapid time-varying SISO system identification. In this paper, an endeavor to expand the RAUDI in MIMO system identification is made and a comparative experiement is done to exhibit its good ability in rapidly changing parameter estimate in MIMO system.     

一类连续线性系统的完全辨识

在一般情况下，对于连续线性系统可以获得其代数等价系统或传递函数的辨识。本文对这种线性系统的一个特例，即由高阶方程描述的一类线性系统，依据系统的观测数据，用该系统的特征值构造出唯一的变换矩阵，解决这类系统辨识中，由离散辨识结果返回连续系统的反问题，进而实现这一类线性系统的完全辨识。     

基于改进的BP神经网络算法的控制系统在线辨识方法

 讨论了以计算机虚拟仪器为核心器件,搭建了动态测试与系统辨识硬件平台,使用Delphi语言编写辨识模块,实现对控制系统的在线辨识。在非线性系统辨识方面,针对BP神经网络算法中存在的收敛速度比较慢和辨识精度不高的问题,提出一种基于降低网络灵敏度的MBP神经网络辨识算法和一种基于小波分析的神经网络辨识算法,实现了对控制系统的状态进行预测估计。并以“防空武器半实物仿真系统”中的三轴稳定平台为对象,试验验证了算法的正确性。     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

基于RBF神经网络的自回归系统辨识模型

根据神经网络能以任意精度逼近任意非线性连续函数的特点,通过径向基函数神经网络构建非线性动态系统的辨识模型。针对该模型输入值超出径向基函数的映射区域时将导致系统辨识输出值为零的现象,提出了一种基于改进径向基函数结构的自回归系统辨识的方法,有效地消除了零现象。这使得自适应辨识模型在较大的输入向量下能够逼近实际系统的输出,从而提高了系统辨识的鲁棒性。该方法的可行性得到了仿真验证。     

双边永磁同步直线电机随机模型系统辨识

为解决双边永磁同步直线电机离散传递函数模型参数动态变化、传统方法辨识精度低的问题,提出一种基于随机模型的系统辨识方法,分析运动过程中的系统特性,结合具有随机扰动项的Box-Jenkins模型,辨识动态系统传递函数模型参数。通过注入不同频率逆M序列电流信号,充分激发系统响应,比较分析不同实验条件下的系统辨识结果。选择预报误差法定义平方差代价函数,运用Levenberg Marquardt算法不断迭代优化以获得传递函数模型最优参数。通过对不同采样频率、不同注入电流幅值和不同电机运动速度条件下的系统辨识对比分析,获得最佳辨识模型。结果表明,当采样频率为1000 Hz,注入电流幅值为2.0 A和电机运动速度为50 mm?s-1时,获得最优辨识仿真输出匹配度为94.81%,平方差为7.84×10-4。     

战斗识别系统研究启示与空战需求分析

战场态势感知与识别是作战决策的基础,发展适应未来创新作战概念的战斗识别系统对于提升体系作战能力至关重要。在原有战斗识别概念的基础上,提出了适应未来战争和装备发展的战斗识别新概念,从信息主导、分布感知、手段齐备、标准互通、群智汇聚5个角度阐述了未来战斗识别系统的特征,并概述了战斗识别系统支撑未来作战的功能,基于此提出了空战场对战斗识别的需求,为未来战斗识别系统发展提供参考。