MATLAB系统辨识工具箱在系统控制设计中的应用

以一个双输入单输出温度控制系统为例,详细叙述应用系统辨识工具箱进行建模、仿真和设计控制系统的过程,包括控制对象的辨识数据采集、模型估算、控制器设计和系统仿真等.重点介绍了系统辨识工具箱图形用户界面的使用方法.     

基于MATLAB的系统辨识及离散时间全通系统

基于MATLAB编程实现对任意一个未知系统的辨识及三级级联的离散时间全通系统 ,并对系统模型进行了验证 ,计算机仿真结果表明 ,该方法不仅有效 ,而且简单可行 .     

基于MATLAB的系统辨识及离散时间全通系统

基于MATLAB编程实现对任意一个未知系统的辨识及三级级联的离散时间全通系统，并对系统模型进行了验证，计算机仿真结果表明，该方法不仅有效，而且简单可行。     

基于遗传算法的离散和连续系统辨识

阐述了遗传算法应用于离散和连续系统中直接辨识物理参数。该方法能有效地克服有色噪声的干扰 ,获得系统参数的无偏估计。对离散系统的辨识仿真结果说明了该方法的有效性     

基于MATLAB的通用数据拟合方法

介绍了在实验数据处理、统计数据分析等场合使用的一种基于MATLAB的通用数据拟合方法.首先设计了通用的多项式数据拟合方法,并揭示了多项式数据拟合方法的拟合准则为最小二乘法、理论依据是函数逼近论.最后通过两个具体实例验证了所提拟合方法能获得满足拟合精度的多项式函数.     

遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法,该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计。仿真结果说明了该方法的有效性。     

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．     

MATLAB在热工系统辨识中的应用

热工系统的动态特性在许多情况下很难用明确的数学模型来表达,而系统的数学模型在自动控制的分析、设计和综合中又占有重要的地位。首先论述了热工过程系统辨识的一般方法和步骤及其MATLAB实现方式;针对热工过程中普遍存在的非线性环节,更进一步介绍了神经网络在非线性系统中的应用,并给出了相对直观的MATLAB实现方法。     

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.     

基于神经网络的系统辨识

本文介绍了一种由系统的输入和输出建立系统预测模型的方法——基于神经网络的辨识。并给出了网络的递推公式,并举例。仿真结果表明,辨识的精度可人为确定。该方法适用于复杂的控制问题或要求控制精度较高的控制问题,如原油含水控制及井下压力的控制等方面。     

基于Gasa-BPNN的水轮机系统辨识与预测控制

Based on the characteristics of nonlinearity, multi-case, and multi-disturbance, it is difficult to establish an accurate parameter model on the hydraulic turbine system which is limited by the degree of fitting between parametric model and actual model, and the design of control algorithm has a certain degree of limitation. Aiming at the modeling and control problems of hydraulic turbine system, this paper proposes hydraulic turbine system identification and predictive control based on genetic algorithm-simulate anneal and back propagation neural network (GASA–BPNN), and the output value predicted by GASA–BPNN model is fed back to the nonlinear optimizer to output the control quantity. The results show that the output speed of the traditional control system increases greatly and the speed of regulation is slow, while the speed of GASA–BPNN predictive control system increases little and the regulation speed is obviously faster than that of the traditional control system. Compared with the output response of the traditional control of the hydraulic turbine governing system, the neural network predictive controller used in this paper has better effect and stronger robustness, solves the problem of poor generalization ability and identification accuracy of the turbine system under variable conditions, and achieves better control effect.     

基于模拟退火布谷鸟算法的直流伺服系统静态摩擦参数辨识

针对非线性摩擦对直流伺服系统性能的影响,提出一种基于模拟退火布谷鸟算法提高摩擦参数辨识精度的方法。采用LuGre摩擦模型建立伺服系统静摩擦参数与力矩的关系表达式,并分析其稳态特性,以此构建参数辨识的目标函数。引入模拟退火中的Boltzmann选择机制,结合迭代全局最优值对布谷鸟算法发现概率的自适应性进行了增强,以改善算法的寻优效果,通过分析比较得知改进算法的时间复杂度与原算法一致。在相同摩擦参数设置下,改进布谷鸟算法的辨识精度优于传统方法,利用其辨识结果补偿伺服系统运行的非线性摩擦力矩,得到了良好的控制效果。实验结果表明,该方法可以使摩擦参数的辨识适应度值提高2~3个数量级,有效改善了系统的控制性能。     

基于GA遗传算法的ARMA模型的辨识方法

提出一种基于浮点数编码遗传算法的系统辨识方法,融合和改进了一些遗传操作,并把该方法应用于有噪声背景下的ARMA模型参数的辨识。实验表明,该方法可有效地克服噪声干扰,可获得系统参数的无偏估计。     

梁桥结构损伤系统识别

基于梁桥的静态试验数据,采用系统识别原理,提出了一种梁桥结构损伤的识别方法。结合一五跨连续梁桥结构,进行了数值分析,取得了满意的识别结果,表明该方法具有较好的收敛性和可靠性。     

基于神经网络的非线性系统辨识

基于神经网络实现了非线性系统的分析,给出了计算实例,实验结果表明了方法的有效性。     

基于粒子群优化的结构系统识别

研究了使用粒子群优化(PSO)算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性非凸的优化问题,通过PSO算法发现系统参数的最优估计.利用该方法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了识别,并与基于遗传算法(GA)的结构系统识别方法进行了比较.数值算例及比较结果表明:PSO方法易于实现且计算时占用资源低,并可以成功地对结构系统进行识别,识别效能十分优越.     

基于仪器钻进系统的风化花岗岩地层界面识别

针对香港风化花岗岩场址勘探,在液压旋转钻机上安装钻孔过程监测系统(drilling process monitoring,DPM),对有效轴压力、钻具转速、冲洗压力、钻头位移及穿孔速率进行了实时监测.采用变斜率作为显著性指数,对地层中的主、次界面进行了识别.t检验表明,DPM系统对岩土界面识别的置信度为99%.此外,对穿孔参数在界面处的变化分析表明,这些参数随孔深的变化曲线在界面处存在不同涨落,轴压力和穿孔速率对界面上岩石强度变化的响应度为81.82%.     

一种改进人工蜂群算法的 Wiener 模型分步辨识法

为解决非线性系统 Wiener 模型参数辨识问题,提出了一种基于改进人工蜂群算法（NLJ-artificial bee colony algorithm, NABC）的分步辨识方法。NABC 算法融合了人工蜂群算法的简洁性和随机搜索算法的高精度优势,有较快的收敛速度、较强的局部求精和全局搜索能力。通过对经典测试函数的寻优,验证了 NABC 算法较其他改进方法的优势。分步辨识法解决了 Wie-ner 模型辨识过程中容易造成的误差累积问题,实现其线性和非线性部分的独立辨识。通过 pH 中和反应过程建模仿真验证了分步辨识法的有效性。     

基于System View的巴可码识别器仿真及分析

介绍了动态系统分析设计软件System View的特点,建立了仿真巴可码识别器模型,在System View环境下实现了仿真,并给出了仿真结果。     

基于系统辨识的MQHOA算法的仿真与实现

多尺度量子谐振子算法(Multi-scale Quantum Harmonic Oscillator Algorithm,MQHOA)的参数不需人为进行设定,算法中只有一个参数σ,收敛时每次迭代均以σ值的大小作为收敛依据,使面对复杂目标函数和高维目标函数时算法能自动进行迭代的调整,避免陷入局部最优解,从而保证精确获得全局最优解.本文结合MQHOA这一数学软件,将多尺度量子谐振子算法应用于系统辨识模型中,利用非线性系统辨识方法,并通过MQHOA GUI程序接口调用MQHOA子程序对系统响应信号进行计算辨识与控制.这尽管存在白噪声,但是,算法在一定迭代次数后也将趋于稳定.采用MQHOA软件编程,做出算法整个过程设计草图并得以实现不同按钮的功能输出,实现算法过程和交互分析的有机结合.实验结果表明,多尺度量子谐振子算法辨识参数误差较小,算法较好地适应其物理性能并不断逼近最优区域以获得最优解;最后对MQHOA算法进行仿真实验,实现人机交互,使初学者加深对算法收敛过程的理解.