一类有色噪声干扰系统的有辨识研究

ARARX模型是有色噪声干扰系统的一类重要模型,把有色噪声干扰的随机系统看作ARARX模型(即动态调节模型),辨识思想是把噪声模型用有限脉冲响应(FIR)模型逼近,进而得到一个CARMA模型/ARMAX模型.使用递推增广最小二乘估计其参数,与滤波递推广义最小二乘法相比,提出的方法原理简单,更方便于计算机操作.仿真结果表明,如果近似的FIR模型有较高的阶次,系统辨识精度满足要求.     

一类有色噪声干扰系统的有限脉冲响应模型方法的辨识研究

ARARX模型是有色噪声干扰系统的一类重要模型, 本文把有色噪声干扰的随机系统看作ARARX模型(即动态调节模型),辨识思想是把噪声模型用有限脉冲响应(FIR)模型逼近,进而得到一个CARMA模型/ARMAX模型. 使用递推增广最小二乘估计其参数,与滤波递推广义最小二乘法相比,提出的方法原理简单, 更方便于计算机操作. 仿真结果表明,如果近似的FIR模型有较高的阶次,系统辨识精度满足要求.     

辅助变量法及其改进算法在含噪声系统辨识中的运用

对ＡＲＭＡ模型含有输入噪声和量测噪声的情况进行了讨论，在两种情况下，最 乘法并不能得到很好的估计结果，运用辅助变量法可以提高估计精度。特别是在输入信号受到干扰时，配方提出了加权辅助变量法，可以得到比ＩＶ方法更精确的结果，尤其是在噪信比较高的场合，本文还给出了ＷＩＶ方法的无偏性分析。     

噪声对频响函数辨识的影响

以线性系统频率响应函数的辨识为研究课题，对系统辨识中所面临的各种干扰噪声对模型精度估计的影响进行了系统的研究。给出了各种条件下的频响函数的估计，为实验辨识频响函数提供了理论依据。     

基于遗传算法的连续系统模型辨识

系统辨识是控制系统设计的基础,传统的系统辨识大都是对离散数学模型的参数估计,发展了以最小二乘法为基础的理论和方法．而连续模型则需经过离散模型的转换方可得到．作者基于遗传算法和系统仿真技术,建立了输出端噪声存在的连续系统模型辨识方法．遗传算法是建立在自然遗传学机理上的参数搜索方法,但常规的遗传算法具有收敛速度慢,因封闭竞争易导致“早熟”等缺点,为此,通过引入自适应适值函数和动态变异因子,采用精英保护策略,加速了寻优过程,改善了遗传算法的全局搜索及局部寻优能力,为连续系统模型辨识提供了新的途径．     

滑动平均噪声干扰双输入多率系统最小二乘迭代辨识

研究了滑动平均噪声干扰的双输入多率系统最小二乘迭代辨识算法.首先推导出2个输入通道采样周期不相等的多率系统的离散时间状态空间模型,得出对应的传递函数模型.针对辨识模型信息向量中存在不可测噪声项的困难,利用最小二乘迭代原理,将未知噪声变量用其迭代估计值来代替,提出了这类双输入多率采样数据系统的最小二乘迭代辨识算法.最后通过仿真例子比较了最小二乘迭代辨识算法与递推增广最小二乘算法的辨识效果,说明了所提出算法的参数估计精度较高.     

基于改进遗传算法的系统参数辨识

传统的遗传算法在解决具体优化问题时存在着收敛速度慢和容易早熟的缺点。针对系统参数辨识,提出了一种改进的遗传算法。通过合理选择复制策略、改进适应度函数计算方法,克服了早熟现象,保证了种群的多样性,避免了后期适应值接近而导致收敛速度过慢。通过该算法对典型二阶系统的传递函数进行参数求解,在信噪比较大的情况下,得到几乎无偏的估计。实验结果证明了该方法的有效性。     

DNN系统辨识及其在塑料挤出机中的应用

本文提出了一种动态神经网络模型，并研究了其性质，给出了求解二次优化问题的ＤＮＮ综合法，该法用于塑料挤出机温度系统的辨识，结果表明其估计模型与实际系统吻合。     

结构振动系统辨识理论的幅值分析法

本文在 Natke H.G 提出的相位分离技术和参数调整法的基础上,采用状态矢量,利用被辨识振动结构系统的系统分析理论计算和模型实测的固有频率分布与模态结果,通过建立残差与评价函数,求泛函极值,得到参数估计的调整系数.经过数据处理后的参数矩阵,作为系统分析的原始数据更为合理.     

非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

无记忆非线性系统参数估计及空间位置辨识仿真分析

以无记忆非线性系统为研究对象,将非线性响应力作为外部载荷,将其与外力和响应位移一起构成多输入单输出系统;然后给出适用于空间任意位置的非线性单元参数估计方法;最后基于“反向路径法”和重相干函数给出利用随机激励和响应信号辨识非线性单元空间位置的方法,并通过两个仿真案例进行验证。结果表明,非线性单元参数估计方法可准确计算非线性系统的强迫响应,并实现非线性单元空间位置的准确辨识和参数的准确估计。     

有噪输入输出动态系统辨识方法

研究了基于带噪观测数据的动态系统的辨识问题.针对输入输出观测数据均含有加性噪声的情况,提出了一种改进的偏差补偿最小二乘算法.该算法引入一个后向输出预测算子,通过考察最小二乘误差的自相关函数及最小二乘误差与后向输出预测误差的互相关函数的性质,得到渐进偏差的估计,并利用偏差补偿原理,得到输入输出带噪系统参数的一致估计.仿真结果验证了该方法的有效性.     

滑动平均模型的极大似然辨识方法

根据极大似然原理,推导了滑动平均模型的极大似然参数估计算法.仿真结果说明:当数据长度较大时,提出的方法给出的参数估计精度高于增广最小二乘算法.     

空间声场脉冲响应辨识及应用

介绍了采用伪随机信号相关辨训法获得空间声场脉冲响应的实验方法，并用多种实验对该方法作了验证。还将此方法应用于空间有源噪声控制，取得了满意的结果。     

多新息随机梯度辨识方法的收敛性研究

从理论上给出了多新息辨识方法的推导过程,提出了多新息随机梯度辨识方法,并运用随机过程理论分析了多新息随机梯度辨识方法的均方收敛性,给出参数估计误差上界的计算公式。分析表明数据的平稳性可以提高参数估计精度。最后给出了多新息辨识方法的各种典型变形。     

基于Delta算子描述的CARMA模型辨识

研究Delta算子描述的离散系统参数辨识问题。基于Delta算子矩阵求逆引理,提出辨识Delta算子描述的可控自回归滑动平均模型(CARMA)的递推增广最小二乘法(DRELS),并给出DRELS算法的实现步骤。     

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。     

动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。