系统辨识的频域最小二乘算法

提出了一种用于求解有限脉冲响应系统函数和脉冲响应的频域最小二乘算法（ＲＦＬＳ），可应用于非实时系统辨识。本算法具有精度高、运算量小、易于实现和能够达到很高阶数的特点。给出了算法的推导论证、定阶和实用问题的讨论以及计算实例。     

基于RLS的嵌入式永磁同步电机参数辨识技术

电机参数变化影响电机控制性能,因而需要对电机参数进行在线辨识,基于嵌入式永磁同步电机在两相坐标系里的动态状态方程,通过检测电机的定子电压、电流和转子转速信号,利用递推最小二乘法算法对嵌入式永磁同步电机参数进行辨识,由于该方法所用的信号均可检测到,从而减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。仿真结果和实验验证了辨识方案的有效性。     

参数辨识方法在动态称重系统中的应用

本文是把动态称量和定量控制相结合，用控制算法来实现多级控制，从而提高了称量的精度和速度，弥补了单独提高动态称量度或单方面优化定量控制策略的不足。论文具体分析了定量称量问题，首先是把称量系统看作是一个二阶系统，建立数学模后．，进行拉普拉变换和Z变换后得出一个质量仪与系统参数有关的关系式，从而把称量问题转化为一个系统参数识别问题来解决。     

基于MATLAB的最小二乘法系统辨识与仿真

将MATLAB应用到系统辨识中,在分析最小二乘法的基本原理和推导过程的基础上给出了系统辩识中算法参数估计的递推公式,并进行了实例仿真.     

微型飞行器动力学模型的系统辨识

利用系统辨识方法建立了某型微型飞行器纵向及横向的动力学模型。首先给出了微型飞行器纵向及横向的传递函数模型结构,然后设计了辨识实验。通过设计数据采集装置采集试飞数据,基于该数据利用最小二乘系统辨识方法建立了微型飞行器纵向及横向的传递函数模型。最后通过交叉验证表明,该模型能够较好地反映微型飞行器纵向及横向的动力学特性。     

基于RLS的自回归滑动平均模型的两阶段辨识方法

提出了基于递推最小二乘(RLS)的自回归滑动平均模型的两阶段辨识方法.仿真结果表明,方法给出的参数估计精度比递推增广最小二乘算法高.     

方波输入信号下随机系统盲辨识方法

在方波输入信号下,通过归一化模型参数或输入信号,提出了随机系统两种盲辨识算法,仿真例子说明提出算法的有效性.     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础。为了提高机器人动力学参数的辨识精度,以SCARA机器人为研究对象,设计了基于双层自适应遗传算法的机器人激励轨迹优化方案。运用Newton-Euler法建立了机器人的动力学模型,并对机器人的动力学模型进行线性分离,得到了机器人的最小惯性参数集和对应的观测矩阵。分析机器人的参数辨识方程,确定了观测矩阵条件数最小的优化目标。针对传统遗传算法进行改进,提出了双层自适应机制,提升了算法的全局搜索能力和搜索效率。最后利用MATLAB和ADAMS进行联合仿真实验,使用递推最小二乘法计算机器人的最小惯性参数集。实验结果表明,使用改进的双层自适应遗传算法得到的激励轨迹可以保证机器人动力学参数的辨识精度。     

基于FFRLS-AUKF的锂电池参数在线辨识及SOC估计

针对锂电池模型参数辨识不准确以及传统无迹卡尔曼滤波(UKF)无法对噪声进行实时更新,从而导致锂电池荷电状态(SOC)估计误差偏大的问题,提出遗忘因子递推最小二乘法-自适应无迹卡尔曼滤波(FFRLS-AUKF)算法。先利用遗忘因子递推最小二乘法(FFRLS)对电池二阶RC等效电路模型进行在线参数辨识,再将所辨识的各参数传给由UKF和改进的Sage-Husa算法结合得到的AUKF,从而完成对锂电池的SOC估计,并将其与FFRLS-UKF以及离线UKF所估计的结果相比较。从对SOC估计的误差曲线和平均绝对误差以及均方根误差的数值上对比,均可得出FFRLS-AUKF的精度更高,稳定性更好。     

基于PLC的最小二乘参数辨识的实现

文章基于西门子S7-300 PLC(可编程逻辑控制器),根据最小二乘算法原理,设计了一种能够在线估计系统模型参数的辨识器;在编程过程中大量使用了功能FC,利用其临时变量来节省PLC存储器空间,以完成较为复杂的运算;最后以双容水箱为对象进行了在线辨识.结果表明,所设计的辨识器具有良好的实时性和准确性.     

随机干扰系统的辅助模型递推广义增广最小二乘辨识方法

基于辅助模型辨识思想,提出了一般有色噪声干扰随机系统的辅助模型递推广义增广最小;乘辨识方法。仿真例子说明提出方法的有效性。     

步进电机皮带传输系统辨识的动力学模型

提出一种基于最小二乘法的步进电机皮带传输系统的辨识方法,建立识别模型,得到系统的控制参数。研究结果对步进电机的系统优化控制具有很好的应用价值。     

基于最小二乘递推算法的半主动悬架系统参数辨识

为了减少在实体建模过程中的误差,本文对半主动悬架系统进行参数辨识研究。在对悬架结构进行分析的基础上,基于ADAMS建立了半主动悬架减振控制系统的实体模型。采用最小二乘递推算法对悬架系统各指标参数进行辨识,辨识后的输出响应曲线与MATLAB输出曲线基本吻合。仿真结果表明:最小二乘递推算法可以有效地降低误差值,提高悬架系统实体建模的准确性,对进一步的悬架系统控制策略研究具有非常重要的意义。     

药物动力学系统的参数辨识

本文采用现代控制理论的方法研究药物动力学系统的模型参数辨识问题,以白鼠口服氟的实验数据,得到五室模型的参数.     

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.     

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.     

一种新的系统辨识方法

本文利用欧几里德演算法,通过一次性剔除公因子,给出一种能同时辩识系统阶数和参数的方法,最小二乘——欧几里德算法。     

小型无人直升机悬停状态下的系统辨识

提出了一种渐消记忆的最小二乘逐状态辨识算法,相对原来利用最小二乘进行无人直升机矩阵辨识的方法,该算法能极大地减小计算量,降低计算的复杂程度以提高计算过程的稳定性.并采用该方法建立了小型无人直升机系统的ARMAX模型和MIMO模型,还通过仿真对2种模型做了对比,结果显示MIMO模型能更精确地描述小型无人直升机系统.     

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.