子空间辨识方法的研究与改进

文中研究了基于状态空间模型的子空间状态空间系统辨识方法,具体介绍了该方法的辨识原理,同时将该方法与AIC准则相结合,对子空间辨识方法进行了改进,并对该方法进行了仿真研究。结论表明:该方法可以非常准确地得到系统的阶次,避免由于阶次选择不同而引起的辨识误差,具有很广阔的实际应用前景。     

基于组合信号源的非线性系统的子空间辨识

为解决对非线性采样系统的状态空间Hammerstein模型难以辨识的问题,提出了基于组合信号源的辨识方法.首先用组合信号源将静态非线性环节和动态线性环节分离.其次,采用模糊神经模型拟合静态非线性环节,有效地避免了采用多项式方法逼近非线性函数的限制,拓宽了非线性模型的适用范围;采用子空间算法估计采样系统的状态空间参数矩阵...     

基于子空间方法的车辆稳态操纵性模型辨识

基于子空间辨识方法,对稳态操纵工况下的车辆动力学模型进行辨识.根据子空间算法的假设条件,构建了3自由度车辆模型,并进行系统的可辨识性论证,确定了相应的辨识模型结构.采用方向盘角阶跃输入转向回正性能试验数据进行车辆模型的辨识.辨识模型的验证采用相同车速下的实车蛇形试验数据,分别在时域和频域进行辨识和试验对比.结果显示,两者基本吻合,子空间算法能够很好地适用于线性车辆操纵动力学模型的辨识.     

基于状态子空间辨识算法的双阶挤出系统动态特性建模研究

针对高聚物挤出发泡所用的双阶挤出系统中需要解决连接体压力稳定控制的动态建模问题,提出了一种用于双阶挤出系统预测的状态子空间系统辨识策略,该方法利用系统的输入输出数据成功辨识出了双阶挤出系统的动态模型,并将实际测量数据与辨识得到的模型仿真输出数据进行对比,结果验证了基于状态子空间的辨识算法得到的系统模型能很好地反映实际情况。     

基于子空间方法的超超临界机组过热蒸汽系统模型辨识

针对超超临界机组过热蒸汽系统模型辨识,采用基于数据驱动的闭环子空间辨识方法直接得到系统的阶跃响应系数,结合传统的SISO(Single Input Single Output)辨识方法,并利用最小二乘算法回归出系统的低阶传递函数模型.通过对某电厂超超临界机组过热蒸汽系统进行闭环辨识,结果表明,该策略很好地融合了子空间方法的简便性以及传统SISO辨识方法的最优性,并成功用于超超临界机组过热蒸汽系统模型辨识.     

基于子空间方法的多输入多输出信道盲辨识与均衡

子空间方法是一种有效的基于二阶统计量的盲信道辨识方法.具有计算量小、性能好、所需样本量少,不需要信号源相关性信息的特点.文中将单输入多输出（SIMO）系统的信道辨识子空间方法推广到多输入多输出（MIMO）系统.在MIMO的情况下,估计所得到的信道参数矩阵与真实参数矩阵间存在一个模糊矩阵,利用二阶盲源分离的方法将其转化为置换矩阵与对角的尺度矩阵乘积,得以提取源信号.此外,针对盲源分离中卷积混合信号分离的问题,利用此类盲均衡方法及其模型中的卷积矩阵,可将卷积混合转化为瞬时混合,从而利用大量已有针对瞬时混合的算法进行盲源分离.并对此进行了仿真,验证了其可行性.     

固定翼飞机动力学模型的子空间辨识方法

针对子空间模型辨识(SMI)方法这类线性模型辨识技术存在的建模误差,提出一种两阶段固定翼飞机飞行动力学模型辨识方法.首先采用基于辅助变量的闭环SMI方法辨识飞机的近似线性模型;然后,利用该模型构建扩张状态观测器,从而估计出系统中的非线性动态数据;在此基础上,进一步采用神经网络建立系统非线性动态的分散式模型.最后,利用B747飞机6自由度非线性模型进行系统辨识实验,所得结果验证了该方法的有效性.     

时滞系统的频域子空间辨识算法

针对时滞多变量系统的辨识问题,提出了一种频域子空间算法,通过使用多项式对时滞项进行近似,可以用适当阶次的线性模型对时滞系统进行逼近,在时滞常数已知时,通过把时滞项析算到输入中,使用改进的频域辨识方法可以得到较为精确的结果,仿真研究表明,这种方法在适当选取的激励信号和采样频率下可以较好地逼近原始系统。     

基于子空间法的电力系统低频振荡辨识

该文提出了一种应用于电力系统低频振荡在线辨识的子空间辨识算法,通过输入激励信号和输出响应信号的采样,对系统低频振荡进行辨识.在四机两区域系统上,对低频振荡辨识结果和小干扰计算结果进行对比,辨识结果误差较小,具有较高辨识精度,因此子空间法对电力系统低频振荡的在线辨识具有较好效果.     

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.     

Subspace.Based Blind Channel Estimation Method for MIMO-OFDM Systems

A subspace-based blind channel estimation algorithm for MIMO-OFDM systems is proposed. This algorithm exploits the eyclostationarity introduced by cyclic prefix of OFDM to estimate the channel parameters. The proposed new algorithm is found to be outperforming the other algorithm with respect to convergence rate and achievable mean square error and robustness to channel order over determination.     

电力系统低频振荡在线辨识的改进Prony算法

研究在线的振荡特征辨识算法是实现电力系统低频振荡在线监视以及广域阻尼控制的重要理论基础。广域测量系统的发展和应用使得低频振荡的在线辨识成为可能。该文提出了一种用于在线分析电力系统低频振荡的改进Prony算法,该算法针对输入信号的实际阶数和线性预测参数的估计进行了综合改进。经过算法时间复杂度的分析,证明改进算法提高了计算速度。计算机仿真和动模实验结果表明,改进算法能够得到更符合系统实际阶数的降阶模型,分析计算占空比小于4%,满足在线低频振荡辨识和系统振荡特性分析的需要。     

基于抽样理论的UWB-OFDM系统信道模型设计

简要介绍UWB-OFDM系统后,分析了IEEE802.15.3a标准信道S-V模型,指出了其局限性,并基于抽样理论提出了一种较为合理的改进方案,使该模型能应用于UWB-OFDM系统,最后给出了该模型的统计特征和信道样本,计算机仿真结果表明这种新改进方法最大程度地保持了原有S-V模型的信道特性.     

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。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

模糊综合评价的分层抽样方法

在简单随机抽样方法的基础上提出了分层抽样的模糊综合评价模型。把模糊综合评价与分层抽样方法结合起来是综合评价理论的创新。该研究解决了以下问题 :1)导出了非离散状态下分层抽样的评价指标置信区间公式 ;2 )为了提高综合评价的估测精度提出了主导型分层技术 ,此项技术的核心是在模型中保持一个非抽样层 ,可以大大缩小总体评价指标值的置信区间 ,从而改善了评价结果的可信性。这个理论用于工业产品质量的宏观管理将带来质量管理体制的变化并节约质量管理的费用。     

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。