基于内模控制的系统辨识实验信号设计

以内模控制作为研究对象,在系统的未建模动态用加性不确定性表示时,取评价辨识模型的指标为系统输入端误差的平方均值。将辨识模型表示为一组正交基函数的和,与最小二乘法相结合,得到一种辨识实验信号的设计方法。该方法具有控制性能的相关性,可以获得比普通的随机信号更好的辨识结果。仿真结果证明了方法的有效性。     

一类非线性系统盲辨识算法及仿真研究

针对离散非线性系统盲辨识问题,提出了一种基于循环平稳输入的非线性系统盲辨识方法。利用循环平稳输入信号的一阶统计特性和Hammerstein-Wiener模型非线性部分的逆映射,将有输入信号的辨识过程转变为无输入信号的辨识过程。介绍了Hammerstein-Wiener模型的结构及循环平稳输入的统计特性,对盲辨识算法机理进行了阐述。仿真结果表明该方法在解决一类离散非线性系统盲辨识问题上的切实可行性。     

基于回归神经网络的滑模跟踪器设计

基于回归神经网络的在线辨识 ,为实现非线性系统自适应控制提供了一种很有应有前景的方法。本文基于具有线性输入特性的神经网络 ,提出了使系统辨识误差具有指数收敛特性的学习算法。为了得到尽可能普遍的控制律 ,本文运用滑模技术设计出控制信号 ,用其补偿神经网络模型与非线性系统之间的匹配误差。以此为基础 ,提出一种新的基于回归神经网络的间接自适应控制方案。仿真结果表明 ,本控制方案具有较好的跟踪性能     

一种基于小波网络模型参考自适应控制系统的设计与应用

根据神经网络内模控制的思想,提出了一种基于小波网络的模型参考自适应控制方法。该方法选用两个小波神经网络,分别作为系统模型的辨识器和控制器。此外,为了减小系统误差,在控制器和辨识器之间加入一个小波神经网络,作为非线性自适应滤波器。仿真结果和应用实例表明了该方法的有效性和合理性。     

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。     

闭环辨识条件下迭代激励信号设计方法

针对闭环系统辨识中激励信号的优化选择问题,提出一种迭代的优化激励信号设计方法.以优化控制的性能指标作为激励信号选择的目标函数,考虑闭环辨识的鲁棒性稳定性,以及激励信号、控制信号和输出信号的能量限定,求取激励信号的优化能量谱,并以迭代的方法逐步选择优化的激励信号和闭环辨识系统模型,从而得到满足闭环系统性能的系统模型和相应的激励信号.仿真验证结果表明,使用该方法得到的激励信号去激励闭环系统,进行模型辨识,能够有效提高辨识模型的准确性.     

具有时变扰动不确定系统的对偶自适应控制

对一类具有参数不确定性以及时变外部输入扰动的线性系统的控制方法进行了研究 :(1)提出了一种系统参数和扰动的联合辨识实时辨识方法 ,即在不需预先知道扰动模型的情况下 ,同时估计被控对象参数与外部输入扰动 ,并根据辨识结果对输入扰动进行实时补偿 ;(2 )设计了一对偶自适应控制器 ,该控制器具有控制与学习的双重作用 ,能够克服系统参数不确定性影响 ,且防止了传统自适应系统可能有的“关断” ,“终止”和“猝发”等不良现象 ,从而增强了自适应控制系统的鲁棒性。最后通过仿真例子验证了算法的有效性。     

小波域上的图像降噪Wiener滤波器设计

小波阈值降噪技术利用小波变换表示信号的稀疏性质,使用对角形式的阈值滤波器达到信号降噪的目的,这个方法在很多信号空间上是近似最优的。但是对于任意信号,在MSE意义上最优的信号估计是Wiener滤波器。提出了一种小波域上的经验Wiener滤波器的设计方法,并应用于图像降噪。实验结果表明,此方法比一般小波阈值降噪法取得的效果要好得多。     

基于非线性跟踪的混沌反控制

针对连续仿射非线性系统，提出一种基于非线性跟踪的混沌反控制统一方法。设计了非线性跟踪控制规律，使非线性非混沌系统跟踪混沌输入信号，从而使非混沌系统产生与混沌输入信号拓扑共轭的混沌现象。仿真结果表明，该方法能够在线性可控和相对阶大于3的仿射非线性系统中产生混沌现象。     

一种非正交复小波核函数及其非线性参数辨识应用

指出了非线性动态信号参数辨识的重要性;分析了目前采用的方法的不足;对非正交复Morlet小波满足Mercy条件和再生性的命题作了证明;用复Morlet小波构建出一种核函数,与主分量分析方法相结合,对非线性动态信号进行参数辨识和预测;仿真结果验证了该方法的正确性和有效性,表明该方法具有较好的理论价值和实用价值。     

自适应遗传算法的改进及在系统辨识中应用研究

为解决传统遗传算法早熟及收敛速度慢的问题，提出了一种改进的自适应遗传算法。通过对一典型的大海捞针粪（NiH）问题的试验，证明了改进后的遗传算法在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中，辨识结果表明该方法具有参数辨识精度高，抗噪声能力走，对输入信号通用性强，也适用于非线性系统参数辫识的优点，具有重要的工程使用价值。     

Unknown Input Observer Design of Switched Systems Based on Iterative Learning

For a class of discrete switched systems with unknown input, an unknown input observer design method is proposed under the premise of changes along time axis but no changes along iteration axis. This method applies the iterative learning control thought to the design of unknown input observer, constructs the unknown input observer by introducing virtual input signal, and uses the error signal generated from the actual system output and the observer output to correct repetitively the virtual input, which gradually approximates the actual unknown input as the iterations increase.Moreover, the convergence of the observer is strictly proved based on contraction mapping theory, as well as the convergence condition is given. The theoretical analysis indicates that designed unknown input observer can accurately estimate the state and unknown input of the system simultaneously.Simulation example further verifies the effectiveness of the proposed algorithm.     

Optimal closed-loop identification test design for internal model control

In this paper, optimal cloeed-loop test design for control is studied. The identified model is used for controller design. The control scheme used is internal model control (IMC) and the design constraint is the power of the process output or that of the reference signal. The measure of performance is the variance of the error between the output of the ideal closed-loop system (with the ideal controller) and that of the actual closed-loop system (with the controller computed from the identified model). Optimal spectrum formulae can be used to determine the PRBS signal in industrious identification.     

主瓣多假目标干扰收发联合抑制方法

从现代电子战雷达抗干扰迫切需求出发, 针对主瓣多假目标干扰的对抗难题, 提出一种空时相位编码多输入多输出(space time phase coded multiple input multiple output, STPC-MIMO)信号与失配滤波器联合设计方法。该方法通过发射端STPC-MIMO信号设计可自适应调整回波中干扰能量的空域分布, 实现真假目标的空域分离, 进而结合接收端失配滤波器设计, 在信噪比损失可控情况下实现主瓣内多假目标有效抑制。此外, 由于该收发联合优化方法需要对干扰进行认知, 因此进一步给出了基于STPC-MIMO信号回波的假目标参数获取方法, 形成波形设计-干扰认知闭环雷达探测系统。最后通过仿真实验验证了所提方法的有效性。     

一种非线性系统的N阶线模型及其辨识方法

广义脉冲响应函数模型由于其辨识对输入激励的苛刻要求,限制了其在非线性系统故障诊断方面的应用.提出了一种基于广义脉冲响应函数的可以描述非线性系统动态响应过程的N阶线模型.它将广义脉冲响应函数的各阶空间特征压缩到一条边线上,减少模型的表征量,从而降低辨识的输入激励要求,使被压缩的模型更易于被辨识.并且,根据广义脉冲响应函数的特性,提出了模型的辨识方法.最后,仿真验证了模型的辨识,并分析了故障对模型的影响特征.表明该模型适用于非线性系统的故障诊断.     

基于控制Lyapunov函数新性质的逆最优控制

利用控制Lyapunov函数的新特性,对非线性仿射系统进行了逆最优控制器的设计,进一步改进了基于控制Lyapunov函数的控制器的性能,并且该控制器对于一定范围的输入不确定性具有鲁棒性。将结论用于陈氏混沌系统不稳定平衡点的渐近稳定控制律的设计中,理论分析与仿真结果证明了该方法的有效性与实用性。     

基于混沌随机滤波器的CS-MIMO雷达测量矩阵优化设计

提出了一种在压缩感知多输入多输出（compressive sensing-multiple input multiple output,CS-MIMO）雷达中利用混沌非线性系统设计随机滤波器进而实现测量矩阵优化的方法。目前,大部分研究采用高斯随机矩阵作为测量矩阵,这类测量矩阵的局限性是,每次仿真实验产生的矩阵互不相同,雷达系统无法实现在线优化,且其对硬件要〖JP〗求高,实现困难。在CS-MIMO雷达信号模型基础上构造稀疏基,提出了基于随机滤波器结构的测量矩阵设计方法,利用混沌序列构造随机滤波器系数,完成对雷达回波的压缩观测。同时以Gram矩阵逼近对角矩阵为准则对随机滤波等效测量矩阵进行优化,进一步提高雷达系统性能。仿真结果表明所提出的基于混沌随机滤波器的CS-MIMO雷达测量矩阵设计与优化算法能够有效提高波达角(direction of arrival, DOA)估计精度。     

Adaptive Optimization with Periodic Dither Signals

Optimization methods in cyber-physical systems do not involve parameter uncertainties in most existing literature. This paper considers adaptive optimization problems in which searching for optimal solutions and identifying unknown parameters must be performed simultaneously. Due to the dual roles of the input signals on achieving optimization and providing persistent excitation for identification, a fundamental conflict arises. In this paper, a method of adding a small deterministic periodic dither signal to the input is deployed to resolve this conflict and provide sufficient excitation for estimating the unknown parameters. The designing principle of the dither is discussed. Under dithered inputs, the authors show that simultaneous convergence of parameter estimation and optimization can be achieved. Convergence properties and convergence rates of parameter estimation and optimization variable updates are presented under the scenarios of uncertainty-free observations and systems with noisy observation and unmodeled components. The fundamental relationships and tradeoff among updating step sizes, dither magnitudes, parameter estimation errors, optimization accuracy,and convergence rates are further investigated.