计算机控制系统对象模型辩识的单位阶跃响应直接法

用阶跃响应法进行计算机控制系统对象模型辩识,提出了一种直接求取Ｚ传函的方法,省去了求Ｓ传函的中间步骤,用该方法可直接得到阶模型而不仅是一阶近似模。该方法简便,精度高。     

加边矩阵与广义逆矩阵

设A为一任意m×n矩阵,对A按定理1的条件来加边得可逆矩阵且若则C_1为A的广义逆矩阵A~(1,2,3). 设A为一复数域上的矩阵。所谓A的广义逆矩阵A~(1 2 3 4)(一般用A~ 表示)是指同时满足下列四个条件的矩阵X: (1)AXA=A, (2)XAX=X, (3)(AX)~*=AX, (4)(XA)~*=XA, 其中符号M~*表示矩阵M的共轭转置。假若X仅满足上述四个条件的一部分,如满足条件(1),则称X为A的广义逆矩阵A~(?);若满足条件(1)、(2)、(3),则称它为广义逆矩阵A~(1,2,3);依次类推。此类求广义逆矩阵的问题,在某些应用中曾被提出,例如在数理统计中的Gauss-Markoff模型,作参数的最小二乘法估计时就有所涉及。林春土就A为方阵时,给出了加边矩阵(其中A为p×p阶矩阵,K和H分别为p×r阶矩阵和r×p阶矩阵)可逆的充要条件,从而在实数域上给出了一个求广义逆矩阵A~(1,2)的方法。本文推广上述结果,对于在复数域上的一般矩阵A(m×n阶矩阵),给出了加边矩阵(i)(其中K和H分别为m×k_2阶和k_1×n阶矩阵)可逆的一个充分条件,并且从而在复数域上给出了一个求广义逆矩阵A~(1 2 3)的方法。     

模型跟随自适应控制新方法理论研究与工程应用

本文提出一种模型跟随自适应控制新方法,不需要在线辩识,只需知道被控制对象的近似阶次和时间常数的数量级,计算时间短.已成功地应用在千吨级高精度电液同步加载系统的解耦控制及三自由度振动系统的单输入单输出控制.     

关于模m矩阵的逆矩阵

证明了模m的n阶整数矩阵的逆矩阵存在的充分必要条件,并给出一个求模m逆矩阵的算法．     

多变量系统子子模型辨识

目前,对多变量系统辨识的研究已经越来越多,但是,基本上都属于子模型的辨识问题,不便于实际应用.本文采用子模型与子子模型技术,将一个有R个输入,m个输出的多变量系统分解为M个带R个输入的子模型,而每个子模型又可分解为R个子子模型(单输入单输出系统).在多变量系统中,只要做一次试验(同时加入月个输入信号),使用月个输入信号与M个输出信号的数据,可以自动辨识子模型的阶次与参数,再从子模型的有关数据,最终辨识出子子模型的阶次与参数.本文采用分块矩阵求逆公式,提出一种快速的自动定阶与估计参数的递推算法.     

反螺旋的计算方法及应用

本文为反螺旋的计算提供了一个新方法。它避免了以往求反螺旋时求线性方程组系数矩阵的逆的过程。它是求螺旋方程反解的一个行之有效的方法。     

辩识Hammerstein模型的集成辩识方法——MISO情形

本文针对用Ｈａｍｍｅｒｓｔｅｉｎ模型描述的一类ＭｌＳＯ非线性系统，提出了一种稳态估计和动态辩识相结合的集成辩识方法。利用稳态信息获得非线性增益的强一致性估计，利用动态信息可获得线性子系统脉冲响应序列的强一致性估计。数字仿真结果也说明了该集成辩识方法的有效性和实用性。     

液压位置系统的时间序列分析

本文讨论了用CAR时间序列模型来辨识液压系统的阶和参数。文中提出了AIC定阶准则和辅助变量法结合,来确定模型阶和参数的方法,进一步根据估计参数的渐近正态性确定模型的子阶和时滞。文中应用该方法辨识了液压位置系统的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是有效的。     

闭环系统辨识的辅助变量法

Stoica 和 Sderstrm 曾提出了最优辅助变量法,但它着重在开环线性系统的辨识.本文把该方法推广到闭环系统,也可得到无偏一致性估计.最后由仿真结果指出,该算法可得到参数的渐近有效估计.     

基于RELS方法的控制系统参数和结构辩识仿真

给出了应用递推增广最小二乘法对控制系统参数和结构进行数字仿真辩识的方法和步骤,通过对三个实际模型参数及阶的辩识结果,验证了仿真方法的可行性．建出的辩识思想对系统辩识实验研究具有意义．     

分块法求2~n阶方阵的逆矩阵的初步研究

本文总结了二阶方阵求逆矩阵的口诀,讨论了2~2阶方阵分成四块的求逆矩阵的方法并从理论上初步解决了2~n阶方阵的求逆矩阵的一般方法。     

滑动平均模型的最小二乘辨识方法比较研究

滑动平均模型辩识的困难是信息向量中存在不可测噪声项。借助于递阶辩识的交互估计理论,用估计残差代替信息向量中中不可测噪声项,借助于多新息辨识理论扩展新息长度和充分利用系统观测数据的思想,提出估计滑动平均模型参数的多新息递推最小二乘辨识方法和最小二乘迭代辨识方法。与常规递推增广最小二乘算法相比,提出的方法具有更快的收敛速度,能产生更高精度的参数估计。仿真例子验证了算法的性能。     

基于EM-GIBBS算法的ARMA(p,q)测量误差模型的参数估计

本文对基于ARMA(p,q)的测量误差模型的参数估计提出了EM-Gibbs算法.由于无法给出模型参数的极大似然估计解析解,本文在EM算法框架下对参数进行估计.在实施EM算法M步骤过程中,为了计算高维正态分布的隐变量一阶、二阶矩,需要求出高阶矩阵的逆矩阵.为了避开计算高阶矩阵的逆矩阵,通过Gibbs抽样,给出了隐变量的一阶、二阶矩的估计,从而给出了EM算法M步骤中参数最优值的估计.最后通过对ARMA(1,1)测量误差模型进行了数值模拟,模拟结果验证了所提EM-Gibbs算法的可行性和有效性.     

异步电动机转子转速的非线性辩识与估计

提出了一种基于直接转矩控制理论的无速度传感器交流调速系统的设计方法。它利用模型参考自适应参数辩识思想 ,采用转子转速非线性观测器实现电机转速的估计。理论和仿真结果表明 ,这种方法可以保证转速辩识方法的全局渐进稳定     

用Laguerre模型的传递函数黑箱辩识

渐近黑箱辩识的理论是Ljung L和作者于1985年提出的[4]．本文讨论了用Lagurerre模型的传递函数黑箱辩识．在一定条件下，证明了传递函估计的一致性．     

根据算子方程得到矩阵方程的新方法－基函数展开法

矩量法在计算电磁学中占有重要地位。矩量法是选择适当的基函数和权函数，进而得到矩阵方程。但该方法得到的阻抗矩阵是一个满阵，在复杂电磁学问题中，不论是阻抗矩阵填充还是求逆都会花费大量时间。提出了一种根据算子方程得到矩阵方程的新方法－基函数展开法，并给出应用该方法的一个例子。可看到该方法中不需要选择权函数，且阻抗矩阵是一个对角阵，从而大大节省阻抗矩阵填充时间和求逆时间。     

基于Householder变换的线性系统模型参数辨识

讨论了应用Ｈｏｕｓｅｈｏｌｄｅｒ变换阵求解病态矩阵方程的性静、动态模型参数辩识法,并给出了辨阶方法方法以及计算机仿真结果。     

一种多变量离散MRAS递减自适应增益算法

本文将文献[2]中提出的递减自适应增益SISO离散MRAS自适应算法推广到多变量情况,在此基础上,提出了一种新的AMFC算法及MRAS辩识器,证明了在有量测噪声干扰时辩识器的参数估计是渐近无偏的。     

求第一个可行基的一种不同的方法

给出求第一个可行基的一种新方法，这种方法不要引进辅助线性规划问题，不要添加松驰变量，计算比较简便。     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辩识与盲均衡算法。该算法在对系统参数进行估计的同时，用求逆滤波器的方法估计均衡器系数，并利用最大峰度准则不断调整系统参数的估计值，使其逼近实际值。由于采用了高阶累积量，算法对高斯噪声有较好的抑制能力。针对传统梯度搜索方法容易陷入局部收敛问题，又提出利用实数编码的遗传算法对准则函数进行最优化搜索。仿真实验表明，本算法具有快速收敛性能和高精确度等优点，能够大大提高均衡后的输出信噪比。