时间序列模型辨识的非线性规划方法

本文利用有关优化理论,把ARMA模型辩识问题转化为带约束条件的非线性规划问题,并通过降维处理把n阶的ARMA模型辨识问题简化为3n维的无约束非线性规划问题,从而为一般的ARMA模型辨识提供了一条新的途径。文中还给出了仿真例子,以证明该方法的有效性。     

带有色观测噪声的系统状态参数鲁棒估计

针对非平稳观测系统的噪声,考虑了白噪、色噪声和尖点噪声同时存在的情况,通过变形转化,将系统噪声表示成白噪的形式,首次给出了统一的观测方程.转化后的观测方程在色噪声ARMA辨识基础上,可以直接用于传统的卡尔曼滤波算法,避免了扩维滤波.于是状态参数的稳健估计归结为ARMA参数的辨识问题.通过鲁棒支持向量回归机辨识ARMA参数,根据噪声特性选择合适的损失函数自由参数,从而实现了ARMA参数的鲁棒辨识.     

基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。     

基于Volterra级数的全解耦RLS自适应辨识算法

针对非线性系统辨识问题,提出了一种基于Volterra级数模型的非线性系统的全解耦RLS自适应辨识算法。按照Volterra伪线性组合结构,采用RLS自适应辨识和约束优化理论,导出了具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种基于Volterra级数模型的全解耦的RLS自适应辨识算法。该算法与部分解耦的RLS自适应算法相比,显著提高了辨识过程的收敛速度和精度。仿真结果验证了该方法的有效性。     

ARMA模型辨识及其在光纤陀螺漂移建模中的应用

针对含有噪声的时间序列模型辨识精度低的问题,采用自回归函数的衰减正弦曲线方法估计含有噪声的ARMA模型系统参数,AR参数从衰减正弦曲线直接获得,MA参数估计采用相关匹配技术.仿真结果表明,时于具有不同信噪比噪声干扰的系统,该算法具有良好的收敛性和准确性.在此基础上,将该方法应用到光纤陀螺漂移误差建模中,实验结果表明,采用该算法所确定的模型能够精确的反应光纤陀螺的漂移趋势.     

城市水负荷的分量模型及新息预报方法的简化

本文建立了某市水负荷的分量模型。设水负荷由确定性周期分量和随机性残差分量组成。其中残差分量经辨识为ARMA序列。采用新息方法做预报,并针对模型参数缓慢时变的特点,对建模及预报过程进行了简化。     

细菌生存优化在非线性模型辨识中的应用

提出了一种新的基于细菌生存优化(Bacterial Foraging Optimization BFO)的非线性模型辨识方法.它是利用群集智能仿生BFO算法对一类Hammerstein系统进行辨识,从而估计出它的参数模型.通过对这类输入非线性模型进行辨识,并用仿真实验说明BFO算法的参数设置与选择方法.比较基于粒子群优化(Particle Swarm Optimization PSO)的非线性模型辨识算法,特别是对有色噪声的鲁棒性、模型的辨识精度、辨识收敛速度进行对比分析,以得出BFO辨识算法的优缺点及其有效性.     

基于PSO算法的弹道辨识网络及仿真

提出了一种基于粒子群优化算法(PSO)的弹道辨识及仿真的技术。根据弹道质心运动方程模型，以小脑模型开关控制器神经网络(CMAC)为核心构建了辨识网络，利用PSO算法控制辨识与仿真的实现。仿真试验表明，利用PSO算法实现弹道辨识比BP算法辨识精度高，收敛性好。     

基于格型滤波器的柴油机主动隔振仿真研究

采用格型抽头滤波器来实现柴油机主动隔振,通过梯度自适应格型算法对格型结构的反射系数及抽头部分的衰减系数进行计算更新.误差通道采用离线辨识方法,针对双层隔振系统进行了单频及多频振动信号的主动隔振仿真研究.仿真结果表明该算法对单频和多频振动的主动控制都有较好的控制效果.     

面向能量管理的燃料电池混合动力模型辨识

燃料电池混合动力能量管理算法离线及在线优化需要建立一套有效的模型辨识方法.根据混合动力系统的部件特性,使用TTCAN数据,基于最小二乘原理建立系统辨识算法,辨识出系统模型.离线仿真结果表明,所辨识的模型能反映当前系统性能,可作为能量管理算法优化的依据.为提高能量管理算法的自适应调整能力,需要将离线辨识改为在线辨识,并整合到整车控制器中.在Matlab/Simulink环境中搭建在线辨识算法,并通过自动代码生成与整车控制器底层代码无缝结合.增加了在线辨识算法的能量管理算法远行时间从原先的0.58ms提高到3.2ms,但仍然小于TTCAN网络的最小闲置时间4ms.在线辨识算法虽然增加了整车控制器运算负荷,但并未影响TTCAN通讯时序.中国城市公交典型工况测试表明,采用在线辨识算法后的系统氢气消耗从8.2kg/100km降低到7.9kg/100km,约降低3.6%.为控制燃料电池输出功率波动,进一步工作中需要将燃料电池模型加入在线辨识算法,并采用递推算法降低整车控制器计算负荷.     

Identification of Errors-in-Variables Systems with General Nonlinear Output Observations and with ARMA Observation Noises

This paper concerns the identification problem of scalar errors-in-variables(EIV) systems with general nonlinear output observations and ARMA observation noises. Under independent and identically distributed(i.i.d.) Gaussian inputs with unknown variance, recursive algorithms for estimating the parameters of the EIV systems are presented. For general nonlinear observations, conditions on the system are imposed to guarantee the almost sure convergence of the estimates. A simulation example is included to justify the theoretical results.     

ARMA供应链模型研究

在基于ARMA时间序列的需求和目标库存最大策略的假定条件下,建立了供应链系统模型。利用时间序列分析方法推导了库存序列、订货序列和库存残差序列的方程表达式,证明库存序列、订货序列和库存残差序列同样为ARMA时间序列,自回归和移动平均的阶数依赖于需求时间序列的阶数和提前期的大小,且订货序列和库存残差序列的自回归部分与需求的自回归部分相同。     

基于ARMA模型的故障率预测方法研究

在对比多种时间序列模型的基础上,结合故障率预测的特点,得出了自回归一移动平均混合模型(简称ARMA模型)是其中最适用于使用阶段故障率预测的方法这一结论.给出了基于ARMA模型的故障率预测的基本思想、预测模型、实施步骤,并按此法对某航空公司波音飞机故障率进行了预测,说明ARMA模型适用于故障率预测,且预测结果准确性较高.     

多传感器信息融合ARMA信号Wiener滤波器

应用现代时间序列分析方法,基于自回归滑动平均(autoregressive moving average,ARMA)新息模型和增广的状态空间模型,在线性最小方差按标量加权最优融合规则下,对带白色和有色观测噪声的单通道ARMA信号,提出了多传感器最优分布式融合Wiener滤波器。给出了计算局部滤波器误差方差和互协方差的公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高融合滤波器的精度。一个带三传感器的跟踪系统的仿真例子说明其有效性。     

STOCHASTIC SYSTEM IDENTIFICATION VIA ADAPTIVE SPECTRAL FACTORIZATION

We consider in this paper the problem of recursive identification for stochastic systemswhen the noise model does not satisfy the positive real condition associated with convergence ofstandard algorithms.To avoid the positive real condition,adaptive spectral factorization techniquesare exploited on the basis of a class of non-standard time-varying recursive Riccati equations.Theasymptotic properties of the Riccati equations are studied as a crucial step to the convergence resultsof the paper.     

基于遗传算法的伺服系统摩擦参数辨识研究

LuGre摩擦模型能够精确描述摩擦环节的动态特性 ,但由于其高度非线性 ,使得参数辨识非常困难。针对LuGre摩擦模型 ,提出一种新型的基于遗传算法的模型参数两步辨识方法。首先通过Stribeck曲线 ,辨识出摩擦模型中的静态参数 ,然后由系统的稳态极限环振荡响应 ,辨识出摩擦模型的动态参数。在每一步辨识中 ,均采用遗传算法作为优化工具 ,从而避免了采用线性辩识方法时的局部极小问题。对提出的方法进行了数字仿真 ,并通过设计摩擦补偿环节 ,对辨识参数进行验证 ,结果表明了该方法的有效性。     

基于智能优化算法的T-S模糊模型辨识

将智能算法应用在T-S模糊模型的辨识方面,是模糊系统辨识的一种新途径。文中对几种智能优化算法,如遗传算法(genetic algorithm, GA)、粒子群(particle swarm optimization, PSO)算法、菌群优化(bacterial foraging optimization, BFO)算法等的优化原理和在模糊辨识方面的应用现状进行了综述和分析,并给出了它们在T-S模糊模型辨识中对参数进行优化的过程。最后将这些优化方法用于一非线性动态系统的建模,并对仿真结果进行了对比和详细的分析,为进一步了解这几种优化方法在模糊模型辨识参数优化方面的作用提供了仿真实验依据。