基于模糊竞争学习的模糊模型一体化辨识

提出了一种利用MGS(modified Gram-Schmidt)算法建立非线性系统模型的建模方法,并给出了基于MGS算法的模型结构和参数辨识的一体化方法,即利用MGS正交变换对通过模糊竞争学习的聚类结果进行变换,确定对模型贡献大的规则,删除对模型贡献小的规则,同时对模型中的参数进行估计,实现模糊模型结构和参数的优化.仿真结果表明,提出的方法能够对非线性系统进行模糊建模.     

谐波级数表示与周期时变参数模型间关系

非线性动态系统的建模一直是控制领域的重要问题之一.针对这一问题,特别是包含滞后环节的非线性系统建模问题,提出了一种引入自适应延迟的动态BP(back propagation)学习算法.该算法在传统多层感知机神经网络结构基础上,在网络的第1隐层和输出层分别引入可调节的自适应延迟参数,通过误差梯度对其进行修正,实现了对延迟参数的辨识.仿真结果表明,所提出的方法能够有效实现对非线性滞后系统的辨识,并能够对系统的延迟时间进行准确估计.     

带约束多项式权重LPV模型辨识算法

针对复杂工业非线性系统建模难度大、精度低等问题,基于多模型插值的变参数线性(LPV)模型辨识算法,提出双工作点变量条件下的带约束多项式权重函数结构及其参数寻优策略,以有效降低非线性系统辨识的难度并充分保证所建模型的全局稳定性.以高纯度分馏塔这一典型非线性工业过程为研究对象进行LPV模型建模与仿真,获得了较好的输出和阶跃响应曲线拟合结果,验证了LPV模型能够充分反映非线性系统的运行特性以及所提算法的有效性和实用性.     

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。     

含过程噪声Wiener系统的递推两阶段参数估计

Wiener系统属模块化非线性系统,由一个线性动态模块串联一个非线性静态模块组成,因其结构简单、实用性强,在非线性系统建模中得到广泛应用.最小二乘算法估计过程噪声扰动的Wiener系统时会带有偏估计.为了获得无偏估计,本文提出了一种递推两阶段参数估计算法.首先用FIR函数和多项式函数分别逼近系统的动态传递函数和静态反函数,随后运用递推最小二乘算法和递推辅助变量算法进行参数估计,其中的辅助变量由第一阶段的辨识结果计算得到.研究结果表明,提出的递推两阶段参数估计算法可以得到待辨识Wiener系统的无偏估计,数值仿真验证了该算法的有效性.     

保精度-稀疏特性核回归模型的非线性动态系统辨识

针对一组有限测量数据的非线性动态系统建模方法存在模型结构复杂且易出现过拟合等问题,从建模精度及模型稀疏特性出发,提出了保精度-稀疏特性的核回归模型用于辨识非线性动态系统。该方法将逼近误差的L_∞范数思想与结构风险最小化理论相结合,建立求解非线性动态系统所对应的核回归模型优化问题,再应用较简单的线性规划对其求解。提出的方法具有如下三个显著特性:①应用逼近误差的L_∞范数最小化可保证非线性动态系统的辨识精度;②引入支持向量回归架构下的结构风险L_1范数对模型结构复杂性进行有效控制可保证模型稀疏特性;③模型的泛化性能可通过提出的方法从建模精度与模型稀疏特性之间取其平衡。最后,通过实验分析论证了提出方法在辨识非线性动态系统上的保精度-稀疏特性的合理性与优越性。     

固定翼飞机动力学模型的子空间辨识方法

针对子空间模型辨识(SMI)方法这类线性模型辨识技术存在的建模误差,提出一种两阶段固定翼飞机飞行动力学模型辨识方法.首先采用基于辅助变量的闭环SMI方法辨识飞机的近似线性模型;然后,利用该模型构建扩张状态观测器,从而估计出系统中的非线性动态数据;在此基础上,进一步采用神经网络建立系统非线性动态的分散式模型.最后,利用B747飞机6自由度非线性模型进行系统辨识实验,所得结果验证了该方法的有效性.     

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。     

一种气动位置伺服系统的辨识建模方法

针对具有强非线性特性的气动位置伺服系统,难以建立能较准确反映系统特性的线性化数学模型这一问题,该文提出采用基于"灰匣子"的系统辨识法建立比例流量阀控摆动气缸位置控制系统的数学模型,该方法依据摆动缸两腔压力差动态过程与摩擦力无关的特点,将压力差动态过程近似线性化方程与运动方程相结合,构成三阶状态空间模型,采用闭环定位辨识的方法确定模型中的参数.仿真和实验结果表明:采用该方法建立的数学模型能够反映实际系统的动态特征,所提出的建模方法是可行的.     

慢时变线性模型参数辨识递推算法及收敛性分析

针对慢时变线性模型,给出辨识的递推算法,并证明该算法能够保证参数收敛在一个有界空间区域,该区域包含参数真值集合;若工作点不发生变化,合理的收敛因子保证参数收敛到对应真值.在实际应用中,工业对象可以利用慢时变线性模型表示,因此该递推算法能够确保工业对象模型实时更新以跟踪工况的变化.通过实例仿真可以看出,该递推算法能够保证慢时变线性模型参数有效更新,并较为准确估计输出变量.     

基于改进PSO的高分子材料降解模型参数优化

为提高可降解高分子材料降解模型仿真的准确程度,结合高分子材料降解的实际原则和所要考虑的各种因素,建立了适合优化的参数优化模型,并将粒子群优化算法(PSO)用于模型的求解.针对标准粒子群算法存在的一些不足,提出了一种改进的粒子群优化算法来求解最优值,改进的算法引入了动态自适应惯性权重和异步时变学习因子.采用5个标准测试函数对改进的粒子群算法进行了测试,并将算法应用于参数优化模型的求解.测试与试验结果表明:新算法有效地避免了过早陷入局部最优,提高了收敛速度和收敛精度,并且采用优化所得参数显著地提高了高分子材料降解模型仿真的精准度,有利于揭示降解机理的科学意义和指导实际医用器件的设计与生产.     

MKLasso模型的算法与模型选择

在KLasso模型基础之上,引入多核函数与多核参数重新建立的一种更为广发的非线性的多核KLasso模型（MKLasso模型）,采用基于梯度Boosting的思想的算法进行求解,并依据人类观察事物的一个基本特征,即人眼位于数据空间较近时能够看清细节,较远时只能够看清整体结构的特性设计了一种模型选择策略,通过实际的3个数据集设计6组试验,来验证该算法的有效性。模拟试验结果表明：MKLasso模型的预测能力明显优于KLasso模型,其预测均方误差提高了10倍;该算法运行高效,抗噪声能力强,在参数选择方面又有一定自己的优势,可以直接选择核参数,算法大大降低了调试与运算时间。     

三水源新安江模型参数不确定性分析PAM算法

针对水文模型参数不确定性分析常用方法 收敛速度缓慢,容易陷入参数空间局部最优区域等 问题,提出了PAM (parallel adaptive metropolis) 算法;对三水源新安江模型参数不确定性进行分析 研究。实例研究表明显著提高了计算速度和求解质 量,参数后验分布结果为区间预报提供了条件。     

基于遗传算法的管材矫直优化

针对管材矫直质量问题,利用单向弯曲的方式,建立了矫直过程的力学模型,提出了优化的目标函数,建立遗传算法模型对矫直工艺参数进行了优化,得出了合理的工艺参数值.将该工艺参数值用于实际加工中,能显著提高管材的矫直质量.     

基于量子遗传算法的成品门幅模型参数优化设计

为了解决热定型中影响成品织物门幅的工艺参数难以定量设计的关键技术难题。提出了将量子遗传算法用于成品门幅模型工艺参数优化设计中。建立优化模型,基于该模型采用量子遗传算法,实现了影响成品门幅的工艺参数精确定量设计。用该方法得到的工艺参数加工弹力布,生产成品的门幅与用户要求指标的偏差小于0.1%,完全满足实际生产要求。同时将量子遗传算法与遗传算法在工艺参数的优化设计中进行比较,得出当迭代种群逐渐增大时,量子遗传算法在工艺参数的优化设计中的优势更加明显。     

基于MFO-HTN的超视距空战战术机动组合规划

针对超视距空战机动决策问题，提出基于战术机动组合的超视距空战决策模型。首先，利用参数化语言将超视距空战机动描述为两种典型形式，作为超视距空战战术的基本战术动作。其次，引入层次任务规划网络(HTN)模型，利用空空导弹攻击区描述空战态势，构建带参数的空战HTN模型。最后，将机动时间、可发射距离、可发射时间作为目标函数，构建多目标优化模型，采用飞蛾扑火算法对HTN网络参数进行优化求解。仿真实验表明，飞蛾扑火算法能够快速解算当前态势下的最优参数，所得到的空战战术机动序列能够达到战术目的。该算法模型可以为飞行员提供辅助决策，也为研究智能超视距空战提供了新的思路。     

光纤陀螺漂移误差的T-S模糊建模补偿算法

基于G-K聚类算法辨识T-S模糊模型前件参数理论,并采用最小二乘法辨识T-S模糊模型后件参数的误差模型,研究了一种光纤陀螺温度漂移误差的非线性补偿算法。在建立该模型的基础上对光纤陀螺零位输出进行了补偿,计算结果表明采用该种方法能够在不完全了解陀螺误差机理的情况下对其进行有效的补偿。其绝对误差与未补偿相比较降低了99%,同线性拟合补偿相比降低了96%和神经网络补偿比较降低了10%,其误差方差分别减少99%,98%,20%。     

基于混合神经网络的主动队列管理算法

针对高速互联网中拥塞控制的问题，在主动队列管理算法模型基础上，提出了一种基于混合pi-sigma神经网络的动态管理机制．其模型可以方便地在线修正前提参数（隶属函数）和结论参数，适合网络系统拥塞预测和控制．仿真表明，该算法能够保证缓存器中队列长度的稳定性，而且在网络突发流量较大时，在短时间间隔内可以使流量的抖动变得平缓，对网络动态的、不精确的、突发性的环境具有较强的自适应能力．