一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

一种新的系统盲反向辨识方法

基于系统输出信号过采样原理的系统反向辨识是一种新的盲辨识方法,这种方法不仅适用于最小相位系统,而且也适用于非最小相位系统。通过输出信号的过采样,可以获取未知输入信号和系统更多的信息。文中首先提出了这种解决盲辨识问题的算法,然后利用辨识出的系统模型恢复了源输入信号。这种方法在控制工程领域具有较高的实用价值。     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息．     

基于过采样的Hammerstein模型最小方根辨识算法

针对Hammerstein模型提出了基于过采样原理的新的最小方根辨识算法,通过估计线性部分的中间输入,可以辨识出任意连续函数的未知非线性元件和线性部分传输函数。即使在非线性元件传递函数存在近似误差的情况下,线性部分的估计值也具有一致性。     

区间型二型模糊集重心的直接Karnik-Mendel算法

区间型二型模糊集重心区间的计算在区间型二型模糊系统中有重要的应用。Karnik-Mendel迭代算法是目前计算此区间的常用算法。但是迭代的计算模糊集合的重心,使得该算法的效率受到很大的影响。证明了区间型二型模糊集上、下限隶属度函数分界点的取值与重心值间的数值关系,并据此提出一种直接Karnik-Mendel算法。仿真实验表明,该算法能将重心区间的计算时间缩短65%-75%。

Abstract：

The centroid interval calculation of an IT2 Fuzzy Set plays an important role in IT2 Fuzzy Systems.Karnik-Mendel （KM） algorithm is widely used in this field.While KM algorithm is an iterative procedure,it＇s not efficient in online systems.The relationship between the centroid and the separate point of UFM and LFM was discussed and then a new Direct Karnik-Mendel （D-KM） algorithm was proposed to reduce the computational cost.Extensive simulations show that on average the D-KM algorithms can acquire about 65%-75% reduction in computation time.     

路口群落交通流的区间二型模糊预测与多级模糊控制

提出"路口群落"的概念来分析城市交通网络中拥挤区域的交通信号控制方式.应用二型模糊逻辑对区域交通流量进行预测,得到以防止路口群落堵塞为前提的车辆平均延误最小的多级模糊控制算法(T2F-MACFC).在二型模糊规则提取时,应用了一种改进的c均值模糊聚类算法,该算法可以针对区间型数据进行模糊聚类.计算机仿真表明,T2F-MACFC算法相对于目前实际应用的"绿波"(Green Wave)自适应控制方法,可以减少交通拥挤地区50%的堵塞情况发生,而二型模糊预测方法的引入使得车辆平均速度提高大约15%.     

输出过采样闭环系统辨识方法中最优过采样率的选择

提出了一种基于输出过采样技术的线性离散时间闭环系统辨识方法 ,通过对输出端施加过采样 ,将原闭环系统模型转化为过采样模型 .对于输出端白噪声、有色噪声干扰 ,分别利用最小二乘辨识算法和误差预报算法辨识出过采样模型 ,进而计算出原闭环系统的模型参数 .辨识结果中模型参数的估计误差服从均值为0的正态分布 ,方差由过采样率决定 ,据此推导出了使参数估计误差最小化的最优过采样率的计算方法 .该方法实现简单 ,运算量小 ,估计精度高 .仿真实验表明 ,当信噪比大于 15dB时 ,该方法的估计精度可达98% ;当过采样率为 15～ 2 0时 ,算法具有最优的辨识精度     

一种多功能油田站场智能监控仪的研制

介绍了一种新型多功能油田站场智能监控仪 ( JZK- D)的设计及实现 .系统硬件设计基于Intel MCS80 C2 5 1单片机和 ALTERA EPM71 2 8EPLD器件 ,软件设计基于 μC/OS- 实时多任务嵌入式操作系统 .建立了单井计量控制逻辑的状态机模型 ,并用 AHDL语言进行实现了该模型 .该监控仪具有监控功能完备、人机界面良好和网络支持功能强大等优点     

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

采用卷积神经网络的电站锅炉燃烧效率建模方法

针对电站锅炉燃烧效率经典建模方法精度较低的问题,提出了一种基于卷积神经网络(CNN)的新型建模方法。通过分析影响锅炉燃烧效率的各项因素,建立了以锅炉负荷、一二次风配风方式、烟气含氧量等参数为输入,锅炉燃烧效率为输出的建模数据集。由于CNN的核心特征是通过卷积运算从样本数据的空间关联中进行特征提取,所以为了加强输入样本数据的空间特征,利用主成分分析法(PCA)对数据进行重构。在此基础上,采用LeNet-5结构的CNN构建锅炉燃烧效率模型。仿真结果表明,经过PCA重构的锅炉燃烧效率CNN模型的检验集相对误差最小,相比经典模型减小了19.58%,该方法为锅炉燃烧效率的优化提供了新的思路。