基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。     

基于KAUTZ模型的预测控制仿真研究

采用Kautz函数逼近来得到未知系统模型,利用带遗忘因子的最小二乘法在线辨识系统模型变化。基于Kautz模型设计了一种自适应预测控制器,并且针对系统投运初期的辨识误差提出了一种衰减因子补偿方法,提高了控制品质。该算法自适应能力强,控制精度高。仿真试验证明了该算法的有效性。     

一种基于逆动力学模糊规则的自适应控制方法

将模糊控制规则归结为控制对象的逆动力学过程模糊辨识问题,提出了一种基于逆动力学过程模糊规则模型的控制算法,通过控制对象逆动力学过程模糊规则模型离线辨识,直接产生形成与控制对象运动规律相适应的初始控制规则,并根据对象逆动力学过程模糊规则模型在线辨识结果,对控制规则进行在线调整.仿真结果表明,所设计的模糊控制器具有良好的控制效果与适应性.     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

基于稳态自适应技术的水下机器人系统在线辨识

针对水下机器人运动和作业过程中的有效载荷变化使得机器人动态特性也相应地发生变化的特点,以开架式无缆水下机器人为研究对象,在对其动力学模型进行简化的基础上,提出了一种基于稳态自适应技术的在线参数辨识方法,进行了与基于最小二乘法的离线参数辨识的对比实验以及水下机器人特性发生变化时的在线辨识实验,水池实验结果验证了基于稳态自适应技术的参数在线辨识方法对开架式水下机器人进行系统辨识的有效性和可行性.     

加性噪声背景下基于ICA的线性系统辨识算法

在加性噪声背景下,将线性系统辨识问题纳入到独立分量分析(ICA)瞬时混合模型中,提出了一种新的结合ICA技术的线性系统辨识算法.该算法无需对噪声信号的统计特性进行任何先验假定,根据ICA模型中瞬时混合矩阵的先验知识,准确估计出系统输出的加性噪声,从观测数据减去该噪声后,利用最小二乘理论实现算法对未知系统的参数估计.仿真实验表明,该算法不仅有效地消除了一般算法对于噪声特性的限制,而且在低信噪比下仍能取得较为理想的辨识结果.     

有色噪声系统的迭代辨识与递推辨识方法仿真比较研究

针对ARARX模型(即动态调节模型),提出了分别辨识系统模型参数向量和噪声模型参数向量的新型最小二乘迭代辨识方法.其基本思想是:通过极小化一个信息矩阵中含噪声项的准则函数,导出两个参数向量的最小二乘估计式,进一步将估计式中信息矩阵所含的未知噪声项用其迭代估计代替,而其迭代估计又用前一次迭代的参数估计进行计算.在每步迭代计算中,二者执行了一个递阶计算过程.与滤波式递推广义最小二乘算法相比,提出的迭代算法也可用于在线辨识,而且在每一步迭代计算中,反复利用了系统可测数据信息,因而能够获得高精度参数估计.仿真例子证实了理论研究结果.     

非线性系统的模糊辨识在线算法

在以往的模糊辨识方法中,均未给出在线调整非线性系统的模糊辨识算法。基于递推模糊聚类方法,提出了一种在线调节模糊模型的辨识算法。为了验证所提出方法的有效性,对几个非线性系统进行了辨识,最后给出了辨识结果。     

燃料电池混合汽车建模及仿真研究

面向控制系统设计的目的建立了一种燃料电池汽车动力系统的动态数学模型,其中包括燃料电池发动机、DC/DC(直流/直流变换器)、电机驱动系统、动力蓄电池组.采用最小二乘法实现了模型参数估计.基于数学模型及模型参数估计的结果开发了燃料电池混合动力汽车的计算机仿真模型,并应用该模型进行了仿真分析,离线仿真与实测数据的对比证明,所建立的模型具有很高的精度,能够用于控制系统设计及仿真分析.     

航天器转动惯量在线辨识

可靠和有效的高精度姿态控制需要已知卫星变化的质量特性的精确信息,在线辨识航天器的转动惯量显得尤为重要。利用飞轮作为执行机构,分别提出了一种基于递推最小二乘法的航天器转动惯量在线开环辨识和闭环辨识的算法。当飞轮输出合适的控制力矩时,能够快速辨识出处于开环状态的航天器转动惯量,并且保证航天器的姿态变化在可接受的范围内。提出了一种闭环辨识方法,基于变结构控制器,在航天器完成姿态机动任务的同时,能够快速辨识出航天器的转动惯量,辨识精度在2%之内。     

基于遗传算法的Cobb-Douglas模型参数的灰色辨识

运用ＧＭ（０,ｈ＋１）模型方法,同时应用改进的遗传算法,提出了基于遗传算法的Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型参数的灰色辨识方法,并建立了Ｇｒｅｙ－Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型。通过实例的拟合检验表明,应用提出的方法是有效的。     

模糊辨识理论与应用研究发展

从模糊系统处理不确定、非线性、复杂系统出发,分析国内外模糊辨识理论与应用情况,介绍目前常用的几种方法以及它们的优缺点。在此基础上,系统地综述模糊辨识领域存在的理论与实际问题,并探讨了今后的研究方向。     

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数,本文给出了详细的的算法。为了验证该方法的有效性,本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。     

动态因子模型的结构识别研究

为了将关于动态因子模型载荷矩阵元素的零约束和外生冲击脉冲响应函数的零约束合并,本文首先提出了一类识别动态因子模型的零识别约束;其次,在这类零识别约束条件下,本文分别给出了判断动态因子模型可全局识别和恰好识别的秩条件.此外,对于恰好识别的动态因子模型,本文还给出了一种识别算法,该算法可以有效地解决在实证分析中动态因子模型的识别问题.     

基于模糊CMAC神经网络的过程辨识与优化

提出一种利用FCMAC(fuzzy cerebellar model articulation controller)神经网络进行工业过程的辨识和稳态优化方法。利用FCMAC神经网络的优点,基于系统的动态信息,在不干扰系统正常运行的情况下获得当前时刻下系统的稳态模型,并在此模型的基础上,对系统进行稳态优化。仿真结果证明了该方法的有效性与优越性。     

混合编码免疫算法在非线性系统辨识中的应用

基于免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法,提出了一种混合编码免疫辨识算法,通过对模型结构与参数分别编码及免疫操作,同时实现了非线性模型的结构与参数辨识,实现了全局寻优,辨识的模型结构简单、易于理解.仿真验证了本算法的有效性及较强的非线性逼近能力.     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.     

有源假目标干扰的极化识别及其应用策略分析

研究了有源假目标等欺骗性电子干扰的极化识别及其应用方式等问题。首先分析了有源假目标干扰和雷达目标的极化特性,从理论上分析了有源假目标干扰识别的可行性,提出了能够有效鉴别真假目标的系列特征参量,并设计了有源假目标干扰的极化识别算法,结合实测数据,计算机仿真实验表明识别算法的可行性和有效性。最后,探讨了极化识别算法在相控阵雷达系统中的使用策略。     

一种用于多径信道的调制识别算法仿真研究

无线信道的多径衰落造成通信信号的码间干扰,为通信信号的调制识别增加了难度。针对多径环境下的调制识别问题,提出了一种基于改进的外积分解信道盲辨识算法的调制识别新算法。算法首先对信道进行基于改进算法的信道盲辨识和盲均衡,然后对均衡结果提取高阶累积量特征完成调制识别。与已有算法相比,改进的外积分解算法提高了在信道阶数过估计条件下对噪声的鲁棒性,所提出的调制识别算法扩大了识别种类,提高了识别性能。仿真结果证明了算法的有效性。