基于Volterra级数的全解耦RLS自适应辨识算法

针对非线性系统辨识问题,提出了一种基于Volterra级数模型的非线性系统的全解耦RLS自适应辨识算法。按照Volterra伪线性组合结构,采用RLS自适应辨识和约束优化理论,导出了具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种基于Volterra级数模型的全解耦的RLS自适应辨识算法。该算法与部分解耦的RLS自适应算法相比,显著提高了辨识过程的收敛速度和精度。仿真结果验证了该方法的有效性。     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

辨识与控制的联合设计算法仿真研究

在自适应控制器设计中,控制器和辨识器一般是各自独立寻优的。在此,通过对进入辨识器的闭环数据进行预滤波,将辨识寻优指标和控制性能结合在一起,以改善控制器的动态特性。预滤波器的设计过程充分考虑了工程应用的可实现性。对滤波后的闭环数据利用开环转换思想,将闭环数据转换为两组开环数据,分别辨识出两个开环传函,再根据等价关系还原为要辨识的系统模型,从而抑制噪声对辨识的影响,得到更稳定可靠的模型。最后通过仿真研究验证了该算法的有效性。     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.     

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。     

自适应模糊推理人工神经网络在线实时化及其应用

本文介绍一种自适应模糊推理人工神经网络的函数逼近算法，并对其进行在线实时化改造。最后将该算法与传统系统辨识方法相结合应用于复杂系统分离辨识的试验。     

基于加权支持向量回归的在线训练算法及应用

针对时变系统的在线辨识问题,提出了一种加权支持向量回归方法,根据时间信息给予历史数据不同的加权,实现了精确在线训练算法,在保持精度的同时避免了采集到新样本时重复训练,大大加快了训练速度。研究了该算法的复杂度并加以改进。将该方法应用于氯气投加系统过程模型的在线辨识,在训练速度和精度上都较为满意,这一结果说明了该算法的有效性。     

Parameter estimation for dual-rate sampled Hammerstein systems with dead-zone nonlinearity

The identification of nonlinear systems with multiple sampled rates is a difficult task.The motivation of our paper is to study the parameter estimation problem of Hammerstein systems with dead-zone characteristics by using the dual-rate sampled data.Firstly,the auxiliary model identification principle is used to estimate the unmeasurable variables,and the recursive estimation algorithm is proposed to identify the parameters of the static nonlinear model with the dead-zone function and the parameters of the dynamic linear system model.Then,the convergence of the proposed identification algorithm is analyzed by using the martingale convergence theorem.It is proved theoretically that the estimated parameters can converge to the real values under the condition of continuous excitation.Finally,the validity of the proposed algorithm is proved by the identification of the dual-rate sampled nonlinear systems.     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。     

基于多分辨率分析的模糊系统结构辨识算法

分析了尺度函数多分辨率逼近性以及与T—S模糊系统结构的相似性，提出基于多分辨率分析的模糊系统(MAFS)。在此基础上，利用B—样条尺度函数作为模糊隶属函数具有紧支撑性、多分辨率逼近的特性，从时一频域局域化角度，采用WTMM技术，给出了模糊系统结构辨识算法。仿真结果验证了这种模糊系统在不影响辨识精度情况下，模糊隶属函数具有模糊语义的完备性和可解释性，同时表明该结构辨识算法的正确性和有效性。     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.     

一种用于多径信道的调制识别算法仿真研究

无线信道的多径衰落造成通信信号的码间干扰,为通信信号的调制识别增加了难度。针对多径环境下的调制识别问题,提出了一种基于改进的外积分解信道盲辨识算法的调制识别新算法。算法首先对信道进行基于改进算法的信道盲辨识和盲均衡,然后对均衡结果提取高阶累积量特征完成调制识别。与已有算法相比,改进的外积分解算法提高了在信道阶数过估计条件下对噪声的鲁棒性,所提出的调制识别算法扩大了识别种类,提高了识别性能。仿真结果证明了算法的有效性。     

基于最小二乘支持向量机的船舶操纵运动建模

基于自由自航船模试验或实船试验的系统辨识方法是一种确定船舶操纵运动水动力导数的有效方法.通过对舵角、漂角、转首角速度等试验数据的分析,用最小二乘支持向量机确定了船舶操纵运动数学模型中的水动力导数及其干扰力系数,其中非线性模型的参数辨识采用了多项式核函数.利用辨识得到的参数进行了操纵运动预报仿真并同自航模试验及实船试验数据对比,数值仿真结果验证了方法的有效性.     

基于Hsia算法的Hammerstein模型辨识

针对采用广义最小二乘法（GLS）辨识Hammerstein模型时反复滤波，计算效率不高的问题，提出了利用Hsia算法进行Hammerstein模型辩识的策略．谈法不需滤波，克服最小二来解有偏性的同时，消除了Hammerstein模型中非线性增益的阶次对计算效率降低的作用，鳊程简单，计算快速．仿真及试验研究证明谈法省时明显，值得推广。     

基于Lag-SBP的Wiener型非线性系统的辨识方法

给出了Wiener型非线性系统的一种新的辨识方法，采用Laguerre函数与静态BP网络相结合构成Wiener型非线性系统的模型，并给出此模型参数递推辨识算法，这种模型参数辨识不需要实际系统的阶次和时延先验知识，对实际系统阶次和时延变化有较强的鲁棒性。数字仿真验证了该方法的有效性。     

非线性系统辨识的一种泛函网络方法

泛函网络是最近提出的一种对神经网络的有效推广.与神经网络不同,它处理的是一般的泛函模型,而不仅仅是Sigmoidal函数,并且在各个处理单元之间没有权值.提出了一种基于泛函网络的非线性系统的辨识方法,而网络参数利用梯度下降方法来进行学习.计算机仿真结果表明,这种辨识方法具有较快的收敛速度和良好的性能.     

基于正交模型辨识辅助的欠采样数字预失真方法

针对数字预失真技术在宽带通信系统中的具体实现受到模数转换器采样率制约的问题,提出一种新的欠采样数字预失真方法。首先在欠采样速率下对功放的正交模型进行离线辨识,接着根据一定的算法得到Nyquist采样率下的简化预失真器模型,并进行在线的自适应直接学习。该方法具有预失真器模型构造简单、欠采样实现高效的特点。理论分析和仿真结果表明,该方法有效降低了对模数转换器的采样率要求,优化了简化预失真器模型的线性化条件,更好地抑制了功放非线性引起的带内失真和频谱再生。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰,研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法,利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离,推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数,有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比,提出的方法具有参数估计收敛速度快,辨识精度高,建模误差小等优势,验证了所提学习算法的有效性。     

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化（MPSO-RBF）方法，并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验，并与GA-RBF和RBF辨识效果进行了对比，结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好，可以达到更优的辨识精度。最后，通过对火电厂的过热汽温动态特性的辨识实例，同样证明了MPSO-RBF方法具有更好的性能指标。     

动态因子模型的结构识别研究

为了将关于动态因子模型载荷矩阵元素的零约束和外生冲击脉冲响应函数的零约束合并,本文首先提出了一类识别动态因子模型的零识别约束;其次,在这类零识别约束条件下,本文分别给出了判断动态因子模型可全局识别和恰好识别的秩条件.此外,对于恰好识别的动态因子模型,本文还给出了一种识别算法,该算法可以有效地解决在实证分析中动态因子模型的识别问题.