车辆横摆转动惯量及轮胎侧偏刚度识别方法的研究

车辆参数辨识在汽车正逆向开发及控制器设计等方面是必要前提与技术难点.目前参数的获取主要有两种方法:通过仪器测量的方法和系统辨识技术.研究了一种能够识别横摆转动惯量及轮胎侧偏刚度的实验辨识方法.该方法通过汽车转向盘转角脉冲输入获得的实验数据,首先采用时域法辨识车辆横摆角速度对转向盘转角和侧向加速度对转向盘转角的传递函数,再通过非线性最小二乘法拟合传递函数中包含的横摆转动惯量和前后轮胎侧偏刚度,使所得频响特性和辨识所得频响特性误差最小,最后通过仿真验证该方法的理论可行性.所提的实验辨识获得横摆角速度和轮胎侧偏刚度参数的优点是无需特制或购买专用测量设备,尤其在实验条件受限情况下,更具有重要的工程实际意义.     

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。     

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.     

一类有色噪声干扰系统的有限脉冲响应模型方法的辨识研究

ARARX模型是有色噪声干扰系统的一类重要模型, 本文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.     

SIMO系统最小二乘辨识估计量的统计特性

系统辨识在系统工程、自动化及控制等领域都起着非常重要的作用。分析了单输入多输出(SIMO)系统的辨识问题,讨论了用最小二乘方法所给出的估计参数的统计特性,从统计学的角度证明了估计参数是否具有无偏性以及相合性等性质,另外还提出了一个关于有偏估计的猜想     

分数阶系统的一种频域辨识算法

研究了利用频率响应数据辨识分数阶传递函数的问题.根据分数阶传递函数模型中,公因子阶次和分母系数是非线性参数,而分子系数则是线性参数,给出了一种频域辨识算法:利用模拟退火算法估计公因子阶次和分母系数,相应的分子系数通过求解线性最小二乘问题得到.该算法可以估计出包括公因子阶次在内的所有模型参数.无噪声和有噪声频率响应数据2种情况下的仿真算例验证了算法的有效性.     

五轴数控机床几何误差参数辨识及实例

用三次多项式对数控机床几何误差进行拟合,建立了与数控机床几何误差模型相适应的测量方案,减少了所需辨识参数的数目,提高了测量效率;利用Matlab软件求解dX的表达式中系数矩阵的条件数,验证了测量点选取的合理性;以一台五轴数控加工中心(TTTRR)为例,对一工件进行误差测量,对其误差参数进行辨识,验证了本文的误差参数辨识方法的可行性及测量方案的合理性.     

基于改进粒子群优化算法的闭环时滞系统辨识

闭环时滞模型参数的辨识一直是先进工业控制领域的一个重要课题。然而由于时滞的存在,被控量不能及时地反映系统所承受的扰动,从而产生明显的超调,使得控制系统的稳定性变差。本文充分利用粒子群优化算法收敛速度较快和混沌运动遍历性的优点,提出了一种基于混沌优化思想的混沌粒子群优化算法来直接辨识含有滞后环节的被控对象的闭环传递函数,而不用将其转化为状态方程。将闭环时滞系统的传递函数通过z变换转化为离散的差分方程,对于滞后环节的处理,用一阶Pade近似。利用CPSO的全局优化能力来极小化误差准则函数,从而获得模型参数的估计值。仿真实验结果证明:该方法收敛速度较快、辨识得到的参数精度较高,适用于实际的工业生产。该方法与辅助变量最小二乘方法相比,计算量小、过程简单、不用计算多重积分、辨识速度较快、辨识精度高。     

时变系统的最优设计变量

考虑时变系统辨识中辨识设计变量的最优化问题。时变系统的参数由随机游动过程描述,讨论时变系统的FIR模型传递函数估计的均方误差(MSE),记作MSE,在新的准则函数极小的意义下,给出某一频率区间上时变系统辨识的设计变量。     

一类鲁棒辨识算法的研究

提出了一种新的基本参数模型估计的辨识算法,该算法不仅辨识出一个参数点还辨识出每个参数的误差界。它将噪声界代入辨识,并在辨识过程中依据误差,动态修正辨识收敛速率及方向,以期获得满意的辨识性能。     

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。     

一种采用逆重复二电平伪随机序列的实时相关辨识系统

本文介绍一种应用8031单片机系统和Apple-Ⅲ微型计算机组成的实时相关辨识系统的构成和工作原理。该系统采用逆重复二电平伪随机序列作为输入激励信号,具有实时测试和跟踪功能,可以获得被测系统的脉冲响应、频率特性及传递函数等数据。     

连续系统辨识的一种频域方法

本文提出一种辨识系统的连续模型参数的频域方法。对系统的输入、输出采样数据进行离散付里叶变换,可以得到相应的频谱。利用维纳——何甫方程求出脉冲传递函数。去掉采样滤波器的影响,即可得频率传递函数。在频城内进行参数估计是一个复有理最小二乘问题。对于最小相位系统则可以转化为二个实线性最小二乘问题。     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

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.最后,通过对两个非线性Hammerstein系统模型的仿真,验证了所提出的辨识方法,既简化了辨识过程,对非线性模块能够较好地拟合,又可以很快估计出状态空间方程系数矩阵,从而证明了所提方法的准确性和有效性.     

面向鲁棒控制的l1中心估计算法及其误差界

分析了具有ｌ１误差的线性时不变系统的最不利情况的辨识问题，对系统假设的先验信息是未知系统的脉冲响应函数控制稳定，并且假设实验数据具有有界噪声干扰的一般输入响应样本，提出了中心估计算法，分析了其最不利情况的误差界限，所给算法和辨识结果是面向鲁棒控制的。     

基于估计参数辨识递推算法用于输出间断采样条件下的线性系统参数辨识

最小二乘法是用于连续采样条件下线性系统参数辨识的常用算法,但在间断采样条件下,最小二乘法存在很多不足.提出一种基于估计的参数辨识递推(EBRLS)算法,并从理论上分析了其收敛性.仿真研究表明,对于普通辨识算法无法处理的间断采样情况.EBRLS可以给出令人满意的参数辨识结果,甚至在可用数据极其稀疏的情况下仍然有效.     

基于对数量化数据的二次规划辨识方法

主要针对具有对数量化输出观测值的有限脉冲响应系统,对其进行了参数辨识研究,采用二次规划方法,得到了未知参数的数值估计值并对其统计特性进行了分析。首先,根据对数量化器的扇形界性质,将对系统未知参数的辨识问题转化为求解一个二次规划问题,该二次规划问题的最优解即为未知参数的估计值;其次,对转化成的二次规划问题,研究了其解的唯一性及收敛性,给出了未知参数估计值唯一存在及收敛的充分条件;最后,数值仿真验证了所提方法的有效性。     

Hammerstein系统遗忘因子有限窗口分解辨识

提出一种带遗忘因子和分解辨识策略的有限数据窗口递归最小二乘Hammerstein系统辨识方法。针对Hammerstein系统具有耦合参数的问题,将Hammerstein系统分解为2个子系统：一个子系统包含线性子系统参数,另一个子系统包含非线性子系统参数;提出一种基于遗忘因子的有限窗口递归最小二乘方法对分解模型进行在线递归估计;仿真示例验证了所提算法能够快速跟踪参数,实现对Hammerstein系统的精确辨识。     

SIMO系统最小二乘辨识估计量的统计特性

系统辨识在系统工程、自动化及控制等领域都起着非常重要的作用。分析了单输入多输出（SIMO）系统的辨识问题，讨论了用最小二乘方法所给出的估计参数的统计特性，从统计学的角度证明了估计参数是否具有无偏性以及相合性等性质，另外还提出了一个关于有偏估计的猜想。