多变量系统随机梯度辨识方法比较研究

针对工业中广泛存在的多变量系统,研究了辨识这类系统的遣忘梯度辨识算法,分子系统遗忘梯度辨识算法和递阶遗忘梯度辨识算法,对这三种算法的计算量进行了比较分析,并给出了仿真例子.     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.     

多传感器多变量AR模型信息融合辨识方法

对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归（AR）模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法（MRELS）得到AR模型参数和传感器偏差的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。     

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

时变多变量系统阶次和参数的同时辨识

通过引进时变遗忘因子，该文提出了一种时变多变量系统的结构和参数的同时辨识算法，该算法结构简单，跟踪参数变化速度快，同时又兼备ＵＤ分解的良好计算品质。     

基于加速收敛与递阶迭代的多变量系统辨识算法

根据递阶辨识原理和迭代辨识原理,可以实现多变量系统参数的准确辨识,但是其参数的收敛速度有待提高。该文针对参数的收敛性进行研究,提出了基于加速收敛技术的辨识方法。该方法根据递阶辨识原理将多变量系统分解成2个子系统,使其分别含有参数向量和参数矩阵,再根据迭代辨识原理得到参数的迭代解,并应用加速收敛技术进行加速。仿真实验表明:该方法可以得到很好的辨识结果,加速收敛技术的应用显著提高了参数的收敛速度。     

水箱液位多变量系统辨识方法的比较

针对流程工业中广泛使用的多反应塔液位控制系统,以三水箱液位系统为例,利用伯努利流体力学原理,推导了液位系统的多变量非线性数学模型.采用线性化和离散化方法,获得系统的状态空间模型和传递矩阵模型,分析辨识该多输入多输出模型的遗忘梯度算法、子系统遗忘梯度算法和递阶遗忘梯度算法,并对这3种算法进行仿真比较.结果表明,递介遗忘梯度算法计算量最小,计算效率最高,但参数估计性能介于遗忘梯度算法和子系统遗忘梯度算法之间.     

多变量系统的辅助模型辨识算法

提出了辨识线性多变量系统参数的辅助模型方法。它使得系统存在量测噪声的无偏参数估计问题得到解决。文中分析了算法的收敛性，并给出了仿真例子。     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

用频域模型近似多变量系统时的反馈稳定性

本文研究线性多变量系统当其模型不能精确获得时的频域稳定性问题。使用真实系统的近似频域模型，通过线性算子在复频域上的压缩条件，利用系统构模误差矩阵的范数运算得到了真实系统开环逆的范数上界以及近似模型闭环稳定后使实际系统也保持闭环稳定的一个新的充分条件；所得结果亦可应用于开环不稳定最小相位系统。     

用加权MP逆的定义方程推导[A，B]NM＋的显式

利用加权Moore-Penrose逆AMN^ 的定义方程A^*MAX=A^*M，R(X)真包含N^-1R(A^*)简捷地导出了[A，B]NM^ 的显式，并给出了它的两种变型．     

多变量频域极大似然辨识算法研究

提出了多变量频域极大似然辨识算法.在单变量频域极大似然辨识算法的基础之上,得出多变量系统的频域极大似然辨识算法,并且优化设计多正弦辨识输入信号.针对大型挠性结构的模型进行了仿真,验证了算法的有效性,同时仿真结果表明:对于挠性结构,多变量频域极大似然辨识算法是有效的,而且能够在较大的频宽、较低信噪比的情况下得到良好的辨识结果.     

一种简化的多变量MRAC系统设计

针对多输入—多输出(MIMO)系统,基于Popov超稳定理论设计了一种简化的多变量模型参考自适应控制器.该控制器只通过对子系统的控制输入和系统输出的滤波导数进行反馈,使可调参数减少,从而简化了控制器结构.数值仿真验证了该方案的可行性.     

多变量推理控制系统的设计

以２Ｘ２系统为例，阐述了多变量推理控制系统的设计。提出了系统主通道时滞大于耦合通道时滞情况下的控制系统的设计方法。多变量推理控制系统不仅具有能动态解耦、可调参数少的特点，而且由于采用Ｖ规范型结构控制器．避免了矩阵求逆运算，使系统设计简单，易于在工程上实现。     

一类输入受限的多变量系统随机自适应控制

提出了一种输入同时受到幅值与速度约束的多变量随机自适应控制算法，该算法通过预选加权阵与在线修改相结合，可以抵消输入非线性特性，并有限度地防止控制进入非线性区间。这种新方法适用于具有任意交互矩阵的非最小相应的随机系统。本文给出了算法的全局收敛性分析和仿真实例。     

多变量间接自适应控制算法及全局收敛性分析

提出了可以控制具有任意交互矩阵的随机多变量系统的间接自适应控制算法并进行了稳定性和收敛性分析。首次表明:该算法无论用于开环不稳定或非最小相位系统,系统的输入输出以概率1采样均方有界,广义输出误差的条件均方取得整体最小值;参数估计强相容。     

一个“鲁棒”稳定性判据及其在控制系统设计中的应用

本文提出了受扰线性定常多变量系统“鲁棒”稳定性的一个充分和必要条件。它不仅可用于系统分析中作为“鲁棒”稳定性判据，而且也为“鲁棒”稳定系统的综合提供设计依据。它特别适用于参数变化范围较大的控制对象的综合设计。设计程序包括选择合适的名义设计参数，确定闭环系统的主极点以及检验高、低频稳定性等。     

激励未知系统模态参数识别研究

研究了输入未知时，根据系统运行实测响应数据识别系统结构，采用迭代逆滤波算法，用高阶ＡＲ模型对输入信号进行估计，以便最终识别系统；在模型识别中采用了正交子空间法，这一方法将正交化引入时间序列，从而实现系统阶次的自动估计及模型识别．针对基本算法的冗余计算提出了改进算法。实验结果表明，本方法对未知输入系统识别良好，具有现实可行性。     

多变量系统调节器参数的优化设计

对多变量有耦合控制器优化的问题,遗传算法是一个强有力的求优算法．文中基于遗传算法,以温控系统的多通道PI调节器参数设计为例,设计的PI调节器使系统性能指标有较大提高．设计方法通用性强、工程性强．能够较好地避免局部最优．多变量系统的参数优化设计是有效的所设计的．