FMCW雷达周期非线性相位估计与矫正

为获取高质量距离像,解线频调接收体制的调频连续波雷达通常需要进行非线性矫正。传统基于多项式模型的方法虽然能够矫正系统中绝大部分的非线性失真,但难以抑制由周期非线性引起的成对回波,距离压缩质量仍有较大提升空间。本文将剩余的周期非线性误差建模为多分量正弦调频信号,提出一种匹配初值与非线性最小二乘相结合的参数估计方法。所提算法仅采用傅里叶变换以及一维相位搜索即可实现正弦调频参数的快速估计,然后利用非线性最小二乘进一步提高估计精度,最后利用匹配傅里叶变换进行空变非线性矫正。仿真以及实测数据均表明,本文所提算法能够有效消除周期相位误差,抑制成对回波,显著改善距离压缩质量。     

基于霍夫变换的模糊建模研究及其应用

传统TS的建模方法由于其本身的不足,在实际应用中有一定的局限性.本文基于输入输出数据,提出一种基于霍夫变换的改进TS模型,首先确定模糊模型结论部的参数,然后利用聚类方法确定模型前提部的参数,从而建立了非线性系统的模糊模型,仿真结果表明了该方法快速性和有效性.     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰，研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法，利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离，推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数，有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比，提出的方法具有参数估计收敛速度快，辨识精度高，建模误差小等优势，验证了所提学习算法的有效性。     

基于小波神经网络的惯导初始对准系统

论述了小波分析和神经网络在惯性导航系统初始对准中的重要作用,给出了惯导系统初始对准的线性和非线性模型.基于小波变换,运用小波神经网络对目前该问题进行了仿真研究.仿真结果表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,近似精度高,而且网络规模比BP、RBF等神经网络规模要小,计算量少,收敛速度快.     

基于最小二乘支持向量机的船舶操纵运动建模

基于自由自航船模试验或实船试验的系统辨识方法是一种确定船舶操纵运动水动力导数的有效方法.通过对舵角、漂角、转首角速度等试验数据的分析,用最小二乘支持向量机确定了船舶操纵运动数学模型中的水动力导数及其干扰力系数,其中非线性模型的参数辨识采用了多项式核函数.利用辨识得到的参数进行了操纵运动预报仿真并同自航模试验及实船试验数据对比,数值仿真结果验证了方法的有效性.     

基于SVM的超高压直流输电系统故障诊断模型研究

针对非线性、高度可控的超高压直流输电（HVDC）系统,提出将支持向量机（SVM）用于系统的故障诊断研究中。首先利用电磁暂态仿真软件EMTDC/PSCAD建立系统模型,对常见故障进行仿真研究。为有效提取故障特征,对直流电压波形进行S变换。变换后的特征量作为SVM的输入,建立系统故障诊断模型,并比较了不同参数下的SVM模型性能。仿真结果表明SVM用于HVDC系统故障诊断是合理、有效的。     

基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

多项式模型磁流变减振器半主动悬架滑模控制

为建立既能精确地表达磁流变减振器非线性特性,又便于实施控制的力学模型,利用试验数据拟合了多项式模型,并设计了一个不需测量路面输入信号的模型参考滑模控制器.对磁流变减振器进行了特性试验,采用优化的方法对试验数据进行拟合,利用此模型可在开环控制下获得所需的阻尼力,预测值与试验数据吻合较好.控制器用等速趋近率改善滑模运动段的动态品质,将多项式模型的磁流变减振器结合到控制器的仿真计算中,结果证实了其有效性.     

基于PID结构的解耦控制器

针对广义学习模型提出了基于PID结构的零极点配置解耦控制算法.广义学习模型由一个线性时变子模型和一个非线性学习模型组成,其中线性时变子模型的参数采用最小二乘方法进行辨识,非线性学习模型由RBF神经元网络近似.通过引入补偿多项式,使得闭环系统的零极点可任意配置,极大的改善了闭环系统的动态性能.在进行控制器参数选择时,PID结构部分参数可根据常规PID控制器选取,零极点配置部分参数可根据系统期望零极点选取.最后,通过对电弧炉电极调节系统的仿真,验证了控制器的有效性.     

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。     

基于样条逼近和小波分解的Hammerstein模型辨识

采用三次B-样条方法取代传统的多项式方法逼近Hammerstein模型中的非线性部分，在保持多项式的简单性和逼近的可行性的同时，大大提高了逼近精度。同时采用小波变换对辨识数据进行多尺度分解，通过在低频空间抑制高频噪声干扰从而实现精确建模。理论分析和仿真结果都表明估计结果具有渐近无偏性和一致收敛性，该方法辨识精度高，具有良好的实用性。     

改进的粒子群算法及其非线性盲源分离

采用粒子群算法与自然梯度法相结合进行非线性混叠信号盲分离。用高阶奇数多项式拟合非线性混合函数,建立非线性信号盲分离模型。同时根据粒子群算法的特点,作了改进,引入了“迁徙操作”和局部深度搜索方法。对多项式的参数用粒子群算法来求估计,然后用自然梯度法对线性去混合矩阵进行迭代。仿真结果表明,粒子群算法可以快速、有效地求得非线性混叠信号盲分离的优化解。     

识别非线性目标的谐波匹配法

本文运用非线性系统的Volterra理论来研究雷达非线性目标的识别问题,提出了一种新的识别非线性目标的多频谐波匹配法。文中在分析了非线性散射的机理之后,提出了一种结构化逼近散射模型,并以模型中前置系统的本征系数为非线性目标的分类特征,还研究了自动识别过程的数据拟合匹配法。最后利用描述非线性结的唯像模型,对本文的方法作了“半实物”仿真试验研究,具体建立了四种半实物非线性目标的本征系数特征库,并针对贴近度匹配法对识别过程进行仿真试验,结果表明,这种新的识别方法具有良好的工作性能和极强的抗杂波干扰的能力。     

Generating exact nonlinear ranking functions by symbolic-numeric hybrid method

This paper presents a hybrid symbolic-numeric algorithm to compute ranking functions for establishing the termination of loop programs with polynomial guards and polynomial assignments. The authors first transform the problem into a parameterized polynomial optimization problem, and obtain a numerical ranking function using polynomial sum-of-squares relaxation via semidefinite programming (SDP). A rational vector recovery algorithm is deployed to recover a rational polynomial from the numerical ranking function, and some symbolic computation techniques are used to certify that this polynomial is an exact ranking function of the loop programs. At last, the authors demonstrate on some polynomial loop programs from the literature that our algorithm successfully yields nonlinear ranking functions with rational coefficients.     

Automated derivation of the conservation laws for nonlinear differential-difference equations

Based on Wu’s elimination method and "divide-and-conquer" strategy,the undetermined coefficient algorithm to construct polynomial form conservation laws for nonlinear differential-difference equations(DDEs) is improved.Furthermore,a Maple package named CLawDDEs,which can entirely automatically derive polynomial form conservation laws of nonlinear DDEs is presented.The effectiveness of CLawDDEs is demonstrated by application to different kinds of examples.     

基于Hammerstein模型的非线性自适应预测函数控制

传统的预测函数控制对非线性和多变性的实际对象控制效果不佳.采用基于Hammerstein模型的预测函数控制(PFC)内部模型辨识方法来拟合实际对象的非线性.针对实际时象的多变性,不断辨识对象,校正内部模型参数,增强控制系统适应对象变化的能力.选取正弦多项式形式的基函数并介绍了滚动优化的办法.优化性能指标选取双值指标,计算量小,精度高.整个算法线性寻优,不需要非线性模型预测控制的非线性滚动优化,输出可以应用模型参数直接计算.实验表明该方法比PID控制效果更好而且对模型失配具有很好的自适应性能.     

基于径向基函数的非线性岭回归方法及仿真研究

提出了一种基于径向基函数的非线性岭回归建模方法（RBF-RR），该方法的核心是先通过RBF的转换实现输入样本的非线性映射，然后用岭回归方法进行线性建模，并采用了—种效果较好的基于广义交叉有效性（GCV）的逐步估计法来确定岭参数k；该建模方法的优点在于：径向基函数的引入赋予岭回归方法非线性功能，同时岭回归方法又可以消除使用RBF进行非线性处理后RBF输出之间潜在的复共线性。通过仿真研究表明：使用RBF—RR建立的模型具有较好的稳定性和预测精度。     

考虑记忆交叉项的宽带功放行为建模方法

针对宽带功率放大器的强记忆效应,提出了一种前馈交叉记忆多项式模型。该模型由主信号对消和畸变注入两个环路构成。信号对消环路采用记忆多项式模型对带内动态线性记忆效应进行建模;畸变注入环路采用记忆时刻信号间的交叉记忆项对带外扩展频谱行为进行建模。为克服最小二乘法在模型辨识中带来的数值不稳定问题,采用共轭梯度的方法对模型的参数进行辨识。为消除噪声和测量误差对模型参数辨识带来的影响,采用ADS软件包络仿真的方法获取精确的功放输入输出信号复包络数据,并对该模型进行充分的性能分析和评估。实验结果表明,所提方法对宽带功放的非线性动态特性具有很好的逼近能力,特别是带外频谱扩展特性,较之常用的方法提升了近10 dB。     

模糊-GPC串级控制在网络时延控制中的应用

为了解决网络闭环非线性控制系统中的时延问题,本文提出了一种在模糊神经网络控制的基础上结合广义预测控制(GPC)处理非线性系统网络时延的方法,建立了网络控制系统的结构模型,并分析了此模型对处理非线性网络控制系统中时延问题的有效性。在MATLAB环境下对网络控制倒立摆系统进行了仿真,通过对比模糊神经网络控制与模糊-GPC串级控制的控制效果,进一步证实了此方法对非线性网络控制系统能够实现稳定控制。