二维驱动直角坐标机器人系统辨识对比研究

比较了空间二维驱动串并联直角坐标机器人系统的RLS算法辨识和KFE算法辨识,并对系统进行了参数估计,通过计算机绘图和运算给出两种不同算法下的辨识结果,可满足机器人特殊奇异位形时的需要和实现"模型引导控制"时的较好逼近.     

模型参考辨识器的简化设计方法

本文将串并联模型参考辨识器用作一级辨识,并联模型参考辨识器用作二级辨识,构成了适用于任何状态、可测系统在线辨识的模型参考辨识器。高阶系统设计模型参考辨识器时,需要人为选择的参数很多。本文提出将高阶系统化分为一组一阶系统,分别设计模型参考辨识器,构成组合辨识器,这样可大大减少人为选择的参数个数,简化设计过程。     

参数切换机械系统串并联研究

在已阐述数列遍乘、遍加、数乘与数加运算的基础上，本文再阐述数列的全并运算及其性质，给出并联与串并联参数切换机械系统的数学描述，讨论串并联变换与系统实现，为系统智能ＣＡＤ提供数理基础。     

线性系统传递函数的阶数辨识

在实际系统的参数辨识中，系统的结构往往并不知道，因此，要想正确辨识系统参数，就必须同时要辨识系统的阶数。该文根据线性系统的频域分析原理，讨论了包含有积分环节的线性连续时间系统的阶数辨识方法，并详细描述了线性系统阶数辨识的实现过程以及用Ｆ检验法来辨识模型结构的步骤与程序设计分析设计方法。实验结果表明，这种方法具有一定的辨识精度和工程应用价值。     

一类连续线性系统的完全辨识

在一般情况下，对于连续线性系统可以获得其代数等价系统或传递函数的辨识。本文对这种线性系统的一个特例，即由高阶方程描述的一类线性系统，依据系统的观测数据，用该系统的特征值构造出唯一的变换矩阵，解决这类系统辨识中，由离散辨识结果返回连续系统的反问题，进而实现这一类线性系统的完全辨识。     

PID神经网络辨识能力的初步研究

PID神经网络具有在线自学习能力，通过无教师的自学习方式，PID神经网络成功地实现了不同的系统辨识。本文在介绍PID神经网络的基础上，论述了PID神经网络进行系统辨识的理论依据，给出了PID神经网络通过自学习进行非线性动态系统辨识的结果。     

一种基于μ-S模型的最佳滑移率辨识估计器设计

为了使基于滑移率识别的汽车防抱死控制器实现最优控制，在Kiencke μ-S模型的基础上，利用改进遗忘因子递推最小二乘算法设计了最佳滑移率辨识估计器，并将辨识估计器的最佳滑移率和峰值附着系数估算结果与Burckhardt μ-S模型下的结果进行了对比.将辨识估计器应用于汽车防抱死制动系统的模糊滑模控制器中，在单一路面和跃变路面条件下进行仿真实验.实验结果表明，辨识估计器的误差小、延迟小，基于最佳滑移率识别的防抱死控制器能实现最佳滑移率的在线辨识和快速追踪，有效提升制动效能.     

一种工业电炉的模糊自适应系统

首先给出一种在线修改遗忘因子的模糊辨识方法。并以工业电炉为控制对象，通过在线辨识模糊模型获得模糊控制规则，实现了模糊自适应控制。实验结果表明，采用该方法，有效地改善了控制系统的性能，提高了系统的鲁棒性。     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

系统辨识递推方法

对线性动态系统推证了系统辨识的递推公式，提出了计算机在线或离线实现的程序设计思想，给出了程序流程，此法提高了辨识精度．     

一种新型的共面波导／槽线混合环的研究

一种新型的共面波导／槽线混合环的研究⒇邢小明王蕴仪（东南大学无线电工程系，南京２１００１８）单面传输线（共面波导、槽线等）没有金属接地背面，金属地与导带处于同一平面上，很容易实现无源或有源固态器件的串并联，也可避免穿孔等，从而降低了工艺的复杂性．所以...     

硫酸焙烧炉模型的递推辨识与自适应控制

论述了硫酸生产过程听递推辨识与自适应控制的一种应用，硫酸沸腾焙烧炉是一个多输入输出系统，采用递推辨识和自适应控制技术，成功地将焙烧炉简化为一个动态单输入单输出系统，并实现了最优化控制，试验表明，该方法经济有效。     

串并联系统可靠度的最优分配

该文研究了串并联系统的可靠度最优分配问题．在建立连续的可靠度函数、期望效益函数、期望损失函数和初始造价函数的基础上，推导出串并联系统初始造价最低、期望效益最大的两个单目标最优和多目标最优的系统可靠度函数最优分配的计算表达式，并用算例作了说明．     

用 Hopfield 网络求 LS 法的损失函数及辨识参数

讨论了用连续Ｈｏｐｆｉｅｌｄ神经网络实现最小二乘（ＬＳ）法同时求损失函数及辨识参数，进而对该网络的一次输入的矩阵参数进行多阶次辨识的计算。通过增加一维输入矩阵使其构成计算所需要的结构，及根据最小二乘法结构上的特点对该网络的反馈信息加以控制的手段，使该网络在稳定时，能够同时输出辨识参数及损失函数。依此顺序对反馈信号进行控制，可以依次得到低于该输入阶次的各阶辨识参数及损失函数     

基于数控编程的转动惯量辨识方法

以西门子840D数控系统为实验平台,提出了交流伺服系统转动惯量辨识的新方法,该方法利用840D数控系统的同步动作功能,实现了M序列形式的速度激励信号的给定以及驱动力矩设定值和轴速度输出值数据的采集;基于最小二乘辨识算法,利用Matlab系统辨识工具箱对采集的输入输出数据进行辨识,实现了交流伺服系统转动惯量的辨识.实验结果表明:所提出的辨识方法能准确地辨识出伺服系统的转动惯量,该方法简单、有效,适合数控伺服系统模型的辨识.     

用改进的NLJ方法辨识闭环系统的模型参数及滤波器设计

详细介绍了PID控制系统过程模型参数的闭环辨识、滤波器的设计、IMC设计、实时数据的处理及实时曲线的显示和比较，以实现系统动态过程的优化控制。系统辨识的性能指标采用误差平方和，参数整定的性能指标采用绝对误差乘时间，系统的纯滞后分别用一阶、二阶不对称和二阶对称pade近似，模型参数辨识和滤波器设计采用改进的NLJ法，参数整定采用IMC整定的方法。     

基于改进的BP神经网络算法的控制系统在线辨识方法

 讨论了以计算机虚拟仪器为核心器件,搭建了动态测试与系统辨识硬件平台,使用Delphi语言编写辨识模块,实现对控制系统的在线辨识。在非线性系统辨识方面,针对BP神经网络算法中存在的收敛速度比较慢和辨识精度不高的问题,提出一种基于降低网络灵敏度的MBP神经网络辨识算法和一种基于小波分析的神经网络辨识算法,实现了对控制系统的状态进行预测估计。并以“防空武器半实物仿真系统”中的三轴稳定平台为对象,试验验证了算法的正确性。     

线性系统实时辨识在微型计算机上的实现

实现最优控制必须研究控制对象的数学模型.对于定常系统,可以用离线系统辨识方法.如果对象数学模型为时变,就需要实时系统辨识.本文假定对象数学模型的微分方程形式已知,需要通过系统辨识确定其方程的系数,并能追踪参数的变化.这类问题称为灰箱问题.实际遇到的大多数工程系统及工业过程都属于此类问题.系统辨识的理论已相当成熟.本文着重讨论如何在微型计算机有限的资源条件下实现.选择的辨识对象为本校研制的碳纤维热分析仪试样加热电炉及其功率放大器(作为一个系统来进行辨识). 问题之关键在于系统辨识算法的选择.算法决定了系统辨识实现的开销以及辨识的可靠性.经过仿真与系统辨识实验比较,并验证了系统辨识的算法以及起步方式、参数选择、激励信号之产生等实际问题.结论为:对于线性系统实时辨识应用递归算法的最小二乘法比较简易可靠.可以在微型机或单板机上实现.     

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法，通过一系列的QR分解，用两个矩阵分别逼近奇异值分解的主要左、右奇异向量，用一个三角矩阵逐渐逼近主要的特征值，从而取代了原始MOESP子空间辨识算法中的奇异值分解步骤。通过用一系列Givens变换来实现QR分解的数据更新，实现了此类子空间方法的在线递推辨识。仿真表明，该方法可以有效地对系统的极点进行跟踪。     

基于双无迹卡尔曼滤波算法的永磁同步电机转子磁链辨识

转子磁链的准确辨识是实现永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)转子磁场监控,确保其驱动系统可靠运行并实现高性能控制的有效方法。为解决测量噪声、电机参数变化及辨识模型欠秩对转子磁链辨识精度影响的问题,提出了基于双无迹卡尔曼滤波（UKF）算法的PMSM转子磁链辨识方法,可在确保满秩辨识的前提下,减小测量噪声与电机参数变化对转子磁链辨识精度的影响,实现PMSM转子磁链的准确辨识,并在参数敏感性分析的基础上,降低了算法计算量,合理兼顾了辨识精度与辨识速度。对所提方法进行了仿真研究和实验验证,研究结果证实了所提方法的有效性。