多输入单输出系统的辅助变量参数估计

利用辅助变量辨识方法,推导出多输入单输出系统的辅助变量递推最小二乘算法,并与辅助模型递推最小二乘法进行了计算量和辨识精度比较.     

辅助变量法及其改进算法在含噪声系统辨识中的运用

对ＡＲＭＡ模型含有输入噪声和量测噪声的情况进行了讨论，在两种情况下，最 乘法并不能得到很好的估计结果，运用辅助变量法可以提高估计精度。特别是在输入信号受到干扰时，配方提出了加权辅助变量法，可以得到比ＩＶ方法更精确的结果，尤其是在噪信比较高的场合，本文还给出了ＷＩＶ方法的无偏性分析。     

随机连续线性系统基于Legendre多项式逼近的参数估计

本文研究随机连续线性系统基于Ｌｅｇｅｎｄｒｅ多项式过近的参数估计问题．文中先讨论了随机微分方程描述的随机连续系统的Ｌｅｇｅｎｄｒｅ多项式逼近，然后给出了最小二乘估计方法．在讨论了连续Ｗｉｅｎｅｒ过在的Ｌｅｇｅｎｄｒｅ多项式逼近值的相关性，并首次得到对Ｌｅｇｅｎｄｒｅ多项或应用于随机连续系统研究有重要意义的统计相关结果后，提出了能获得无偏一致估计的辅助变量法及三种选取辅助变量系统的方法．计算机仿真结果表明了本文方法的有效性．     

基于神经网络的Wiener系统故障检测方法

针对一类线性部分严格正定且非线性部分可逆的Wiener模型,提出了基于神经网络参数估计的系统线性部分故障检测方法.引入卡尔曼滤波器滤除系统未知干扰和噪声,并将Wiener模型转化为ARMA模型,计算得到线性部分参数;神经网络在线估计系统线性部分的参数,通过参数估计值与实际值的比较检测系统故障.仿真实例证明了该方法的正确性和有效性.     

系统参数估计的正交变换算法

就线性静态系统参数的最优二乘估计的存在性，提出一种正交变换算法予以实现。     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

基于Wiener过程的多阶段非线性复杂退化产品可靠性分析模型

为提高非线性退化轨迹拟合的精度,针对多阶段退化中的非线性规律建立Wiener过程模型,考虑变点的连续性与部件个体的差异性,给出基于非线性复杂退化的可靠性评估方法。结合幂律函数推导出非线性多阶段Wiener过程模型,得到模型参数的极大似然估计量;通过最小均方误差原则给出变点以及幂参数的初值确定方法;根据SIC(schwarz information criterion)方法得到模型变点的精确值,并检验其准确性;结合不同部件之间的差异性,得到变点的连续分布;推导出非线性Wiener过程连续时段内的可靠度函数估计;利用本模型对高压脉冲电容器电容相对变化量的退化数据建模,与线性建模结果对比,验证多阶段Wiener过程模型在可靠性评估方面的有效性与可行性,估计结果更接近真实值。     

线性规划两阶段法的简易算法

文章针对线性规划引入人工变量的问题，借助于文献[1]的思想提出了一种新的简易算法．结合单纯形法，不必引入人工变量且可在一种表格下直接应用旋转运算求得线性规划问题的最优解．该算法简单直观，操作方便，且能有效节约计算机的存储量和计算量．     

线性规划中两阶段法的简便计算法

在线性规划问题中引入人工变量,把问题变为约束方程组的系数矩阵中含有单位矩阵,用以作为人造基,然后按单纯形方法进行换基迭代,求得最优解或判定无最优解.本文给出了线性规划问题两阶段法的简便计算方法,即根据所给问题尽可能少的引入人工变量,以使线性规划问题的计算变得更加简单.     

线性规划中两阶段法的简便计算法

在线性规划问题中引入人工变量,把问题变为约束方程组的系数矩阵中含有单位矩阵,用以作为人造基,然后按单纯形方法进行换基迭代,求得最优解或判定无最优解。本文给出了线性规划问题两阶段法的简便计算方法,即根据所给问题尽可能少的引入人工变量,以使线性规划问题的计算变得更加简单。     

两类动态时变系统的参数估计新算法

本文应用作者提出的修正的自适应滤波算法,给出了两类有广泛应用前景的时变动态系统的参数估计新算法。模拟例子说明其方法的有效性。     

系统辨识中的限定记忆最小二乘法参数估计算法及应用

将限定记忆最小二乘法用于线性时变系统的参数估计,线性系统用离散差分方程来表示,给出了相应的批量算法和递推算法公式及算例。     

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.     

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。     

考虑需求侧资源的含风电电力系统两阶段优化调度

风电场接入电力系统会造成系统运行成本增加、稳定性降低等问题,引入需求侧资源是解决该问题的重要手段之一。为了探究价格型与激励型需求响应的互补性,通过协调调用基于消费者心理学模型的价格型需求侧响应,以及激励型需求侧响应参与电力系统的优化调度中,对比分析了不同调用模式下的电力系统运行成本。针对传统粒子群算法易陷入局部最优解的缺点,提出一种自适应动态调节惯性权重的改进粒子群算法对模型求解。结果表明所提模型有效降低了系统运行成本,不同类型需求侧响应具有互补性。     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

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。     

Hammerstein非线性系统参数估计分离的三种方法

采用递推最小二乘算法估计Hammerstein非线性系统的参数,获得的参数估计中包含了线性块参数与非线性块参数的乘积项,探讨了分离参数估计的三种方法:平均方法、排列组合方法、奇异值分解方法,并通过仿真例子进行了比较分析.     

两阶段生物毒素系统的最优捕捞政策

在具有毒素影响的环境中,考虑生物系统的分阶段动态行为,建立两阶段生物毒素系统模型,分析种群捕捞方程解的局部均衡和全局稳定性,得到最优捕捞的努力程度、可持续产量和相应的种群水平,并分析毒素水平对捕捞政策的影响.