液粘测功机系统辨识研究

为了改进液粘测功机的性能,设计液粘测功机的电液控制系统时希望得到液粘测功机准确的数学模型.利用系统辨识方法研究了液粘测功机系统的动态特性,首先辨识出线性子系统的模型,然后考虑系统的非线性,采用二阶无记忆非线性增益的Hammerstein模型对线性辨识结果进行了校正,得到了液粘测功机系统动态特性的传递函数,并用试验数据加以验证.试验结果表明,辨识模型可以较好地表征液粘测功机系统的特性.     

一类复杂系统的集成辨识方法

针对一类具有相互关联非线性子系统的复杂系统,提出了一种稳态辨识与动态辨识相结合的集成辨识方法。利用稳态信息获取各子系统稳态模型（非线性增益）的强一致性估计,通过动态辨识得到各子系统线性部分的模型参数。仿真结果表明了该方法的有效性和实用性。     

基于模糊自适应推理系统的非线性信道参数辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,必须采用适当的非线性模型进行描述.为了实现对高速通信中非线性信道的辨识,提出采用自适应神经模糊推理系统进行信道辨识的方法.利用减法聚类法实现对 ANFIS 网络结构识别,在此基础上采用误差反传和最小二秉相结合的混合学习算法训练网络,从而实现对非线性信道的辨识.仿真结果表明,该方法与 BP 网络相比具有更高的收敛速度和识别精度,与基于网格划分的 ANFIS 相比,吴有更高的运算效率.     

基于组合信号源的非线性系统的子空间辨识

为解决对非线性采样系统的状态空间Hammerstein模型难以辨识的问题,提出了基于组合信号源的辨识方法.首先用组合信号源将静态非线性环节和动态线性环节分离.其次,采用模糊神经模型拟合静态非线性环节,有效地避免了采用多项式方法逼近非线性函数的限制,拓宽了非线性模型的适用范围;采用子空间算法估计采样系统的状态空间参数矩阵.最后,通过对两个非线性Hammerstein系统模型的仿真,验证了所提出的辨识方法,既简化了辨识过程,对非线性模块能够较好地拟合,又可以很快估计出状态空间方程系数矩阵,从而证明了所提方法的准确性和有效性.     

基于动态分离的Hammerstein模型辨识法

 通过对工业大系统输入信号的设计,使Hammerstein模型输出只反映系统的线性动态,并将非线性部分的静态影响有效地分离掉。利用分散辨识得到系统的线性动态模型。基于此模型并依据系统的测量输出重构系统的中间输入,进而可估计出非线性部分的参数,据此给出了工业大系统中Hammerstein模型辨识的动态分离方法。仿真结果表明此方法的有效性。     

模糊神经网络在锅炉煤种辨识中的应用

针对目前很多工业锅炉燃烧煤种发生变化时,控制效果下降,燃烧效率降低等问题,设计了一套在线煤种辨识系统,其核心采用模糊神经网络来构建辨识模型,综合了线性辨识方法和非线性神经网络建模方法的优势。能够利用过程历史数据辨识对象模型。利用试验仿真平台对该方法进行了仿真验证,结果显示了该方法辨识误差在2%以内,且具有适应范围广、计算方法简单等优点,该方法还可应用于锅炉其他重要热工参数的软测量,有很高的应用推广价值。     

基于最小Wilcoxon学习方法的Hammerstein模型辨识

提出一种基于最小Wilcoxon学习方法的非线性动态系统建模方法。用非线性静态子环节和线性动态子环节串联——Hammerstein模型来描述非线性动态系统。然后,将Hammerstein模型的非线性传递函数转换为等价的线性形式,从而建立起线性中间模型。再由最小Wilcoxon学习方法辨识出中间模型参数。最后,通过中间模型参数与Hammerstein模型参数之间的关系,推出原系统的非线性静态环节和线性动态环节的参数,从而实现原非线性动态系统建模。在系统仿真响应信号有扰动时,该方法比用最小二乘法辨识中间模型表现出更强的鲁棒性。     

含饱和特性的双采样率数据Hammerstein系统辨识

针对含有饱和特性的双采样率数据Hammerstein系统提出了一种新的辨识方法。首先,将含有饱和特性的静态非线性环节和线性动态环节的串联,整理成一个非线性基函数和线性动态环节的串联。在此基础上,利用辅助模型辨识原理解决数据缺失、中间未知变量、被辨识参数之间存在耦合的问题, 通过递推辨识算法利用双率采样数据辨识单率Hammerstein模型中的参数。最后,以一个含饱和特性非线性系统实例的建模来验证提出辨识算法的有效性。     

基于神经网络的车用发动机广义预测控制

为了改善具有非线性特性的发动机燃油控制效果,以达到高效率、低污染的要求。利用一种前向神经网络作为非线性系统的模型,并将其分为线性部分和非线性部分。其中非线性部分用单隐层的BP神经网络对其建模,采用学习速度较快的Davidon最小二乘法在线调整网络权值;线性部分采用受控自回归积分滑动平均(CARIMA)模型作为其数学模型,用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开,得到线性回归模型,并以非线性前馈增益方式补偿建模误差,建立了一种适合非线性系统的自校正广义预测控制器。仿真结果表明该算法收敛速度快,控制动作平稳,控制效果理想。     

汽车侧面碰撞模型的非线性动力学参数辨识

为了在汽车侧面碰撞动力学系统模型中,获得一些无法通过试验方法直接获得的未知系统特性参数,采用了参数辨识技术,它是根据动力学系统在特定的载荷作用下的输出响应,确定动力学模型中的未知特性参数;介绍了一种基于卡尔曼滤波法的非线性动力学参数的辨识方法,并将其应用于汽车侧面碰撞模型的参数辨识中。利用辨识出的模型参数计算出模型的输出响应,该响应与仿真试验数据吻合良好,表明该方法是非线性动力学参数辨识的有效手段。     

含非线性摩擦的伺服系统连续模型直接辨识

为准确描述伺服系统的动态特性与摩擦非线性,提出了一种非线性连续模型直接辨识方法. 该方法以离散输入输出数据与速度方向的逻辑值作为辨识输入,通过等价变换将未知参数都转移到模型的线性部分中,再运用基于状态变量滤波器的直接辨识法求得未知参数,从而获得伺服系统的非线性连续模型. 通过仿真及在双向转台伺服系统的实验表明,该方法在有噪声的情况下仍能准确辨识出非线性连续模型,能准确描述伺服系统的动态特性.     

基于扩张状态观测器的非线性系统故障诊断方法研究

在介绍扩张状态观测器理论的基础上,提出了一种应用于非线性系统的基于扩张状态观测器故障诊断的新方法,并给出了设计故障滤波器的方法,通过仿真实验证明所提供的方法相对于传统方法具有可以得到故障的近似函数,便于识别故障及故障识别效率更高,用时更短的优点。     

空间机器人的SVM非线性补偿滑模控制研究

为提高机械臂末端跟踪目标轨迹速度, 提出了一种基于SVM(Support Vector Machine)非线性模型估计的滑模控制方法。该方法通过SVM对参数不确定非线性项进行估计, 对空间机器人动力学模型进行补偿。这种从整个闭环系统稳定性出发设计的SVM非线性补偿滑模控制器, 不需要确切的数学模型, 从而提高了快速跟踪目标轨迹, 减小跟踪误差的动力学系统性能。仿真结果验证了该控制方法的有效性、可行性。     

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.     

试验模型与烘干过程的动态分析

通过各种阶跃输入下的开环响应试验,对烘干过程的动态特性作了调研。并将复杂的数学模型近似地转换成多个用于控制系统的线性简化模型。然而,过程本身的非线性,使所得的模型适应性差。即改变工作点将导致特性的改变或模型的重建。进一步通过模型参数在线估计将消除这种局限性。就此意义来说,非线性系统的在线辨识相当于系统的准线性化或连续线性化过程。     

多工作点飞机的多目标飞行控制器设计

针对具有多工作点的飞机,基于Lyapunov理论提出了一种多目标飞行控制器设计方法.在存在未知系统参数条件下,该方法同时考虑了飞机的操纵品质要求和鲁棒稳定性.利用线性矩阵不等式(LMI)方法推导了多工作点飞行条件下的操纵品质准则.基于参数相关Lyapunov函数和描述系统方法,得到了飞行控制系统鲁棒稳定性条件.飞行控制器设计方法可以归结为求解一组线性矩阵不等式.仿真结果验证了设计方法的有效性.     

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。     

Identification of Continuous-Time Hammerstein System with Nuclear Norm Convex Relaxation

The nuclear norm convex relaxation method is proposed to force the rank constraint in the identification of the continuous-time( CT) Hammerstein system. The CT Hammerstein system is composed of a linear time invariant( LTI) system and a static nonlinear function( the linear part is followed by the nonlinear part). The nonlinear function is approximated by the pseudospectral basis functions, which have a better performance than Hinge functions and Radial Basis functions. After the approximation on the nonlinear function, the CT Hammerstein system has been transformed into a multiple-input single-output( MISO) linear model system with the differential pre-filters. However, the coefficients of static nonlinearity and the numerators of the linear transfer function are coupled together to challenge the parameters identification of the Hammerstein system. This problem is solved by replacing the one-rank constraint of the regularization optimization with the nuclear norm convex relaxation. Finally, a numerical example is given to verify the accuracy and the efficiency of the method.     

文章编号：调整试飞阶段的某型飞机气动参数辨识实现方法

针对飞机调整试飞阶段质量特性数据变化较大的特点,以及飞行测试的限制,提出了一种气动参数辨识实现方法,该方法包括飞机质量特性数据的获得、飞行测量数据的重建等辨识数据的完善和成熟的辨识算法.并以某型飞机为例进行了纵向气动参数辨识,计算结果合理,表明该方法有效,具有很好的工程应用价值.     

小型共轴式直升机纵横向动力学建模与辨识

运用经典的叶素法和一阶谐波理论,建立了悬停状态下某小型共轴式直升机纵横向通道的理论计算模型;同时根据飞行试验中采集的直升机输入输出数据,以参数化理论模型为基础,运用系统辨识的方法得到了该机纵横向通道模型．通过计算机仿真,分别对理论计算模型和系统辨识模型进行了时域验证和分析,并比较了2种模型的稳定性导数、操纵导数及特征根,对该直升机的稳定性进行了分析．研究表明：所建立的小型共轴式直升机纵横向通道的理论计算模型能够反映该机悬停状态下纵横向通道的动态特性,以此为基础建立的系统辨识模型可以作为飞行控制系统纵横向通道控制的数学模型．