一类基于非平稳噪声参量估计的时变系统参数辨识

对于未知噪声时变统计特性的时变动态系统，论述了一类基于非平稳噪声参量估计的时变系统参数辨识算法．该算法包括三部分，通过在线状态估计，构造残序列模型，试图从测量信号中分离出非平稳噪声，在线估计噪声时变均值和方差，用于整个改进算法的实现．仿真例子验证了该方法的有效性．     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

非高斯非平稳噪声背景下杜芬系统动力学仿真研究

研究非高斯非平稳噪声背景下非线性系统在微弱周期信号摄动下的混沌动力学行为,仿真过程证明被噪声污染的微弱周期信号使混沌系统的动力学行为变化很小;非高斯非平稳噪声对周期运动的影响较为明显。研究了微弱周期信号和非高斯非平稳噪声信号联合摄动下的混沌运动特征。     

逐步回归法辨识线性系统模型

线性系统的结构辨识主要依据模型残差来人工判断。这不仅引入了判断误差,同时也使该方法难于投入实际应用。针对这一问题,该文提出一种修正的逐步回归法,用于对有色噪声环境下的线性系统建模。该方法将各回归变量按对输出的“贡献”排队,通过判断“贡献”的显著性来决定是否选入回归方程,从而能够同时决定模型的阶次、系统纯时延和模型参数。该方法具有计算量小、适应性强等优点。仿真试验验证上述结论。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

基于模型参考的锅炉燃烧系统神经网络控制和辨识

大纯时延、煤种多变和蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。对非线性延迟系统延迟时间的神经网络辨识方法进行了研究,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间。将神经网络大延迟系统的辨识与基于神经网络动态补偿的模型参考自适应控制策略相结合,可用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制。仿真结果表明:这种神经网络模型对非线性大纯时延系统的控制具有控制速度快、鲁棒性能好等优点。     

非平稳时间序列的线性预测

本文研究非平稳正态时间序列的线性预测问题。导出非平稳正态序列的递推预测-平滑公式。对于讨论同一问题的某些文献的结论进行了分析,指出该文的结论对非平稳序列并不适用。     

利用噪声相对量辨识与优化齿轮敲击噪声

以人耳听觉特性为基础,提出运用噪声相对量辨识和优化齿轮敲击噪声的方法.该方法首先对测量得到的噪声信号进行外耳、中耳和内耳噪声传递特性滤波,然后进行回归与平滑处理获得稳态噪声信号,将滤波后的噪声信号减去稳态噪声信号,得到的噪声相对量即为非承载齿轮对的瞬态敲击噪声信号,最终辨识出齿轮敲击噪声的发生时刻、频率范围和水平.辨识结果与人的主观感受一致,齿轮敲击噪声被准确辨识.利用该方法得到了各非承载挡的敲击噪声贡献量,确定倒挡是齿轮敲击噪声的主要噪声源.采用提高倒挡齿轮对加工精度使其最小间隙减小约50.0%后,齿轮敲击噪声水平降低了17.4%,齿轮敲击噪声性能得到有效改善.     

在线铁谱监测系统中的非平稳磨损趋势分析

在80组齿轮箱磨损试验数据基础上，以磨损严重度指数为参数，分析了磨损过程的非平稳性，并采用自回归—求和—滑动平均时间序列(ARIMA)模型对这个过程进行了趋势分析．通过差分算子和标准化的处理，将试验数据序列进行了平稳化处理，推导出描述非平稳磨损过程的ARIMA(4，1，1)模型的具体结构．结合齿轮磨损试验和Hodrick—Prescott滤子方法分析，发现这种算法的趋势分析精度比以前使用的算法提高了9．8％，而且实时性好，适合在线铁谱仪现场运行使用．     

偏相干法在识别轿车噪声源中的应用

讨论了在Sharp MZ-3500微机上计算偏相干函数的方法,并用此法对小轿车的噪声源进行了监测和识别.最后分析了噪声识别的测量误差。     

基于偏相干分析法的装载机司机室噪声源识别

应用偏相干分析方法进行装载机司机室噪声源识别的研究,导出可定量分析相互不独立多输入系统中各输入对输出贡献的大小的计算公式,应用此方法,对大型装载机司机室噪声进行识别,取得了较好的效果。     

非平稳社会经济系统建模新方法及其应用

本文提出了非平稳社会经济系统建模的新方法——二步预测校正法,给出了该方法对于经济系统建模的应用。大量计算实例以及与逐步回归的比较表明,该方法不失为非平稳系统建模的一种有效方法,在样本容量较小时也能取得较为满意的结果。     

Rnoise系统中的道路声屏障设计方法

介绍了一种基于综合数字地面模型以及随机车流声源等效替代和分解技术的户外道路交通噪声分析方法与系统，详细了基于该系统的道路声屏障设计与优化方法，该方法能够近似模拟实地各种环境条件的影响，如建筑物，地形，树木植被以及大气条件等，在一定程度上实现了道路交通噪声和声屏障降效果的可视化设计与评价。     

含非线性摩擦的伺服系统连续模型直接辨识

为准确描述伺服系统的动态特性与摩擦非线性,提出了一种非线性连续模型直接辨识方法. 该方法以离散输入输出数据与速度方向的逻辑值作为辨识输入,通过等价变换将未知参数都转移到模型的线性部分中,再运用基于状态变量滤波器的直接辨识法求得未知参数,从而获得伺服系统的非线性连续模型. 通过仿真及在双向转台伺服系统的实验表明,该方法在有噪声的情况下仍能准确辨识出非线性连续模型,能准确描述伺服系统的动态特性.     

基于信道模型过估计的最小噪声子空间盲辨识

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.     

语言学习系统中的噪声及其消除

分析了带微处理器的语言学习系统的噪声特点以及周期性冲激噪声对语言学习系统危害性，提出了消除这些噪声的方法。