最小阶插值算法

讨论了在ｌ１系统辨识中，用插值方法构造一个最低阶ＦＩＲ系统作为系统名义模型的问题．本文首先提出了用线性规划检验先验假设和后验数据是否相容的判据，然后给出了基于线性规划的最小阶插值算法，最后估计了该算法的Ｗｏｒｓｔ－ｃａｓｅ误差，并证明了该算法的收敛性．本文所给结果是面向鲁棒控制的．     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.     

基于状态空间模型分解的分数阶系统辨识算法

给出了分数阶线性系统的一种有效辨识算法.该算法可以辨识出系统的模型参数,同时也可以对系统的阶次进行辨识.通过基底变换把分数阶系统的系统矩阵变换成对角阵,这就把原系统的输入、输出关系转化为若干简单的子系统的和,从而降低了辨识问题的复杂性.该算法还能容易地获得系统的输出误差对其模型参数及系统阶次的偏导数,从而可以选择利用梯度的优化算法,如梯度下降法和拟牛顿法等,进行系统辨识.最后给出了实例证明了算法的有效性.     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

基于PIλDμ控制器的一种线性系统辨识方法研究

近年来,分数阶控制研究愈来愈被关注.传统系统参数辨识算法主要基于在某种意义下的最优数据拟合思想,往往比较复杂、计算量大.我们将辨识误差的抑制问题,看作是以误差方程来描述的系统的状态渐近稳定性来处理,从而将反馈控制的思想引入辨识算法中,提出了一种基于分数阶PIλDμ控制器的线性系统参数时域辨识算法,给出了递推算法的详细推导,并用已知系统仿真验证了算法的有效性.该算法简便、计算量小.仿真结果表明,该算法优于传统最小二乘法.     

基于Lag-SBP的Wiener型非线性系统的辨识方法

给出了Wiener型非线性系统的一种新的辨识方法，采用Laguerre函数与静态BP网络相结合构成Wiener型非线性系统的模型，并给出此模型参数递推辨识算法，这种模型参数辨识不需要实际系统的阶次和时延先验知识，对实际系统阶次和时延变化有较强的鲁棒性。数字仿真验证了该方法的有效性。     

混合编码免疫算法在非线性系统辨识中的应用

基于免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法,提出了一种混合编码免疫辨识算法,通过对模型结构与参数分别编码及免疫操作,同时实现了非线性模型的结构与参数辨识,实现了全局寻优,辨识的模型结构简单、易于理解.仿真验证了本算法的有效性及较强的非线性逼近能力.     

混沌系统的参数辨识与控制

把观测器思想用于系统中未知参数的辨识 ,对混沌系统中的未知参数进行了辨识研究。数值结果表明 ,对未知参数为常数或缓慢变化的信号 ,提出的方法都能给出很好的辨识结果。随后 ,把辨识和控制问题综合起来考虑 ,提出改进的混沌控制方法 ,数值仿真表明了该方法的有效性     

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.     

非线性系统的模糊辨识在线算法

在以往的模糊辨识方法中,均未给出在线调整非线性系统的模糊辨识算法。基于递推模糊聚类方法,提出了一种在线调节模糊模型的辨识算法。为了验证所提出方法的有效性,对几个非线性系统进行了辨识,最后给出了辨识结果。     

运用ADE算法进行Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.     

多新息最小二乘法辨识水下机器人动力学模型

水下机器人动力学模型辨识是水下机器人运动控制、状态监测和系统设计开发的基础.把6自由度动力学模型适当简化,给出Falcon水下机器人的动力学模型,在最小二乘算法(LS)和递推最小二乘算法(RLS)的基础上,提出基于多新总最小二乘算法(MILS)的水下机器人动力学模型辨识方法,最后给出MILS辨识算法、RLS算法和LS辨识算法仿真实验结果,证明所提算法的可行性与优越性.利用多新息最小二乘算法得到的水下机器人动力学模型参数更接近于理想参数,能够更好的描述水下机器人的动态特性,对于水下机器人的操纵与自适应控制的研究有较大的实际意义.     

水下航行器流体动力参数辨识的一种新方法

运用牛顿 -拉夫逊算法、单纯形法及模拟退火算法分别对水下航行器的流体动力参数进行了仿真辨识 ;并运用模拟退火算法对水下航行器湖上试验弹道数据进行了辨识 .结果表明 :与常规辨识算法相比 ,模拟退火算法具有全局收敛性 ;运用该算法可以获得水下航行器流体动力参数的极大似然估计.     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。     

Sugeno模糊模型的辨识

提出了一种新的Sugeno模糊模型辨识算法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量;通过Box-Jinkins数据建模说明了本文算法的有效性.     

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数,本文给出了详细的的算法。为了验证该方法的有效性,本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。     

序列蒙特卡洛滤波在卫星传热反问题中的应用

为了解决卫星在轨外热流辨识与实时温度预测问题,提出采用序列蒙特卡洛SMC(Sequential Monte Carlo)算法实时辨识卫星轨道外热流变化,结合双层集总参数模型,快速准确地预测星载仪器温度变化.SMC算法采用构造温度的后验概率密度函数PPDF的方法进行滤波和预测,使得外热流的在线辨识和温度预测性能得到较大提高.仿真结果表明序列蒙特卡洛滤波方法可以实现卫星热系统动态特性辨识,保证了低维模型参数的自适应辨识的可靠性,实现受控对象温度变化的在线预测技术.     

基于模拟退火算法的水下航行器流体动力参数辨识

运用模拟退火算法和极大似然准则，对水下航行器流体动力参数进行辨识。辨识结果表明：运用模拟退火处、可以求得水下航行器流行动力参数的极大似然估计；与常规辨识算法相比，模拟退火算法对初值的选取要求较低。     

一种鲁棒自校正预测控制的简化算法

给出了鲁棒自校正预测控制的简化算法。主要内容有 :对系统参数的鲁棒辨识方法 ;预测控制的简化算法 ;鲁棒极点配置方法 ,以及自校正控制的简化算法。在全部算法中 ,控制结构简单 ,而控制效能却很优越。仿真结果表明 ,所给的控制算法是成功的