基于修正随机梯度的永磁同步电机参数辨识

永磁同步电机为典型的多变量参数时变的非线性系统,为了获取其参数有效信息,以保证控制系统的高效运行,结合永磁同步电机系统电压方程,构建系统回归模型,采用随机梯度辨识算法辨识其模型参数,同时引入收敛指数构建修正随机梯度算法以提高辨识过程的收敛性能。仿真结果表明,收敛指数能有效提高算法辨识收敛的速度和精度。     

弱条件下随机梯度算法性能分析

在弱条件下,利用随机鞅理论详细研究了随机梯度辨识算法的收敛性能.分析表明,只要信息向量是持续激励的(或数据乘积矩矩阵条件数有界),过程噪声是零均值不相关的,那么参数估计一致收敛于真参数.这一结论并不要求一些文献中所作的苛刻假设成立,既没有假设噪声方差和高阶矩存在,又没有假设系统是平稳和各态遍历的,也没有假设强持续激励条件成立.这一贡献放松了随机梯度算法的收敛条件.噪声方差有界和无界时的仿真例子证明了提出的收敛结论.     

两步EFOP参数估计的递推算法

经验频域最优参数（EFOP）估计方法是基于时域估计和频域估计的一种系统辨识方法．其优点在于能够降低噪声影响，对小样本数据的随机系统具有较好的辨识效果．利用松弛算法而建立的两步EFOP方法，可适用于ARMA和Box-Jenkins等模型．文中对受干扰的随机系统，推导出两步EFOP方法的递推算法．对新的递推算法进行了仿真，并利用实验结果分析和验证了该算法的有效性．     

最小迹扩展集员估计

针对扩展Kalman滤波器(EKF)在进行非线性估计时一致性较差的问题,提出了适于一类高阶非线性系统的最小迹扩展集员估计算法(LTESMF).该算法通过引入反馈机制实现观测更新,避免了椭球相交计算.算法用估计误差定界椭球参数矩阵的迹作为优化目标,迭代优化反馈系数.本文还提出用随机状态边界度量的收敛性来评价随机系统稳定性.并用该方法证明了LTESMF的估计误差能收敛到有界区域内.最终仿真结果表明,LTESMF的估计结果的稳态精度接近EKF,计算算效率与EKF相当,估计结果的一致性和收敛速度明显高于EKF.     

一种基于PIO改进强化学习的航天器复杂多约束姿态机动规划新方法

本文针对多个姿态约束条件下的航天器姿态机动规划问题进行了研究,提出了一种基于鸽群算法的改进的策略梯度强化学习算法(PIOPGRL).首先,针对强制指向约束和禁止指向约束,建立了基于角度的姿态约束模型,根据约束模型建立了强化学习的回报函数.然后,使用适应度函数替代策略评价函数,将鸽群算法与强化学习相融合.针对策略梯度强化学习算法计算量大、收敛速度慢的问题,使用鸽群算法求解策略梯度,极大减少了计算量.仿真结果表明,相比于策略梯度强化学习算法,基于自PIO改进强化学习的航天器姿态机动规划算法(PIOPGRL)在极大减少计算量的同时,有更优的规划结果,更小的机动代价,适用于微小航天器解决多个姿态约束条件下的姿态机动规划问题.     

基于具有时间隧道思想的多智能体强化学习的智能发电控制方法

解决雾霾问题的重要途径之一是大规模引入新能源,以减少碳排放.而新能源大规模接入会给互联电网带来强随机扰动.本文提出一种基于时间隧道的多智能体新算法——PDWoLF-PHC(λ)算法.该算法基于变学习率,有效获取最优控制,可解决传统集中式AGC难以解决的新能源及分布式能源大规模接入互联电网所带来的随机扰动问题,促进新能源与电力系统兼容.对改进的IEEE标准两区域负荷频率控制电力系统模型、智能配电网模型以及华中电网模型进行仿真,结果显示该算法可减少碳排放,提高新能源利用率,与已有智能算法相比具有更快的收敛速度及更强的鲁棒性.     

一种基于改进SVA的SAR旁瓣抑制算法

针对现有的Spatially Variant Apodization(SVA)算法不能有效抑制旁瓣或损失主瓣能量的问题,该文提出了一种改进的SVA算法.该算法把传统的滤波器从3点扩展到5点,并且根据采样率的不同,设定相应的滤波器参数,得到满足约束优化理论的最优解.改进的SVA算法能够与合成孔径雷达(Synthetic Aperture Radar,SAR)成像算法相结合,在距离压缩和方位压缩中,分别利用改进的SVA算法来抑制旁瓣.该算法适用于任意奈奎斯特采样率,既能有效地抑制旁瓣,又能保持主瓣的能量和信号的高分辨率.实验结果表明,与传统的频域加窗方法相比,该方法能够在保持图像高分辨率的前提下,更有效地抑制旁瓣.     

不确定性气动弹性系统辨识及鲁棒极限环分析

模型的不确定性直接影响鲁棒颤振和极限环分析的准确性．从基于数据的角度提出考虑非线性环节和模型不确定性的鲁棒极限环分析框架．采用时域方法辨识包含非线性环节的Block—oriented结构的气动弹性系统模型集合的不确定度大小．以在线弹性结构的极点构造正交基底,将不确定性模型集合辨识问题转化为不确定性参数上下界估计的优化问题,通过求解非线性优化得到不确定性模型集合．将辨识后的无记忆非线性算子用正弦输入描述函数表示,利用线性分式变换技术对辨识后的不确定性模型进行重新建模,最后采用结构奇异值（μ）理论对系统集合进行鲁棒极限环分析．采用某二元翼段气动弹性算例验证该辨识和分析框架的准确性．结果表明辨识的不确定性的模型集合能够刻画气动弹性动力学特性．在相同速度下,考虑不确定性的模型集合的鲁棒极限环幅值比标称系统极限环幅值要小．该方法可以应用于鲁棒颤振和极限环预测．     

基于变分的图像分割算法

提出了一种新的基于变分的图像分割算法. 该算法以图像的边缘点为插值点，通过极小化一个能量函数产生光滑的阈值曲面，进而实现图像分割. 为了使所产生的阈值曲面保有原图像的边缘信息，同时又不过度锐化图像的边缘，采用非凸的能量函数，并通过引入二元能量函数，提出一种全局收敛的松弛算法，将一个非凸优化问题转化为一系列本质上的凸优化问题，从而克服了采用传统的梯度下降法会出现收敛速度较慢、甚至不收敛的困难. 实验结果验证了算法的有效性. 此外还初步探讨了相应优化问题求解过程中的参数确定问题.     

独立假设下的最优变步长LMS模型和算法

为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾, 基于独立假设, 以最小均方误差为准则, 提出并证明最优步长定理, 说明最优步长和均方误差之间存在一一映射的关系; 以此构造最优变步长LMS(optimal variable step-size LMS, OVS-LMS)模型, 确定了变步长LMS算法收敛速度的理论极限; 讨论了最优初始相对步长的选取方法和未知系统跳变时最优步长的计算. 根据导出的两个最优步长迭代式, 提出OVS-LMS算法. 仿真结果表明, 该算法和OVS-LMS模型的学习曲线基本一致, 证明该算法是独立假设条件下的最优变步长LMS算法.     

基于油水产出动态的水驱油藏连通性评价新方法

针对当前连通性评价模型仅能预测产液动态数据、现有分流量方程不能准确表征整个含水变化周期内产出特征的内在缺陷性,基于油水产出动态数据,建立了一种可快速反演水驱油藏井间连通状况的连通性评价新方法.该方法将油藏离散为一系列以生产井为中心的控制单元(CRMP),通过CRMP电容模型和分段含水率表征方程进行井点液量计算和含水率追踪,获取井点处的生产数据;在此基础上,采用新近提出的随机近似梯度StoSAG优化算法实现动态数据预测值与观测值的自动拟合,快速反演连通系数、时滞常数、泄油孔隙体积等参数.应用实例表明,相比于集合卡尔曼滤波(EnKF)算法和投影梯度算法,StoSAG算法鲁棒性更强,油水动态数据拟合效果好,连通性评价结果可靠;相比于单一的Koval方程,分段含水率表征模型能够更好地反映全生命周期内的产水规律,适用范围更广.     

C/C复合材料CVI工艺人工神经网络建模

C/C复合材料CVI制备工艺过程的本质繁杂性限制了该材料的广泛应用. 尝试利用人工神经网络技术对该工艺过程进行辨识与仿真, 采用Levenberg-Marquardt算法建立了通用的CVI工艺神经网络模型. 根据CVI工艺复杂、参数众多等特点, 结合有限元技术及工艺实验从教师样本处理、网络拓扑结构设计和学习参数调整等方面对网络学习算法作了进一步的改进. 通过对等温CVI样本集的学习, 初步建立了管类零件等温CVI工艺知识库. 结果表明: 该模型可以挖掘样本蕴含的领域知识, 不仅可以对单个工艺参数的时间效应进行预测和分析, 而且可以分析任意两个工艺参数对致密化过程的偶合作用.     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

平面三自由度并联机床的分步运动学标定

针对一台平面3自由度并联机床的运动学标定,提出一种基于最少参数线性组合的分步运动学标定方法．该方法利用并联机器多参数耦合误差传递系统中的参数线性组合映射关系,将一般运动学标定中参数的误差建模、辨识和误差补偿,改变为参数线性组合的误差建模、辨识和误差补偿．首先由最少参数线性组合的4个定理进行辨识性分析,确定出影响机床终端绝对和相对精度的最少参数线性组合;然后给出工程实际中常用的基本绝对测量方式和基本相对测量方式,逐一进行最少参数线性组合的辨识性分析,抗干扰指标的抗扰动性能计算,兼顾测量成本的条件下,设计出最少参数线性组合的分步测量方案、分步辨识和分步误差补偿方案,完成运动学标定．最终的实验结果证明这种方法具有如下优点：（1）消除了其他无关参数的影响;（2）反映了误差传递中的参数线性组合映射关系,提高了参数辨识的准确性;（3）方法简洁高效,最终的机床精度已经接近测量扰动精度．因此,该方法不仅可用于这台平面3自由度并联机床,也可适用于其它运动学非线性弱的并联机器．     

一种最优抗扰自适应控制

针对含未知干扰系统研究了具有最优抗扰性能的自适应控制问题.利用对象参数的先验知识和量测数据构成可实时更新的非空模型集合,以系统的整体性能指标为辨识准则,在模型集内优化选取最优标称模型,完成对象模型的在线最优辨识.然后根据-1优化设计方法以闭环系统整体性能为指标,在线设计最优闭环控制器.上述两方面结合起来给出了一种最优自适应控制策略.由于辨识准则与控制目标是一致的,文中的方法能够有效地解决自适应系统的性能优化问题和辨识与控制的相互配合等问题,且能给出可验算的性能指标.     

热声固耦合问题多参数识别中解的唯一性和算法研究

本文研究了一类热声固多物理场耦合中的初边值识别问题,建立了基于超声回波时间测量的固体结构表面热流和尺寸的多参数同时识别模型.利用热传导方程的极值原理,证明了耦合问题多参数识别中解的唯一性,为超声同时测温测厚等工程应用提供了理论支撑.在数值求解正问题的基础上,将反问题重新表述为由偏微分方程约束的优化问题.将共轭梯度法反演热流和最速下降法反演厚度相结合,发展了多参数识别问题的交替迭代算法,并通过严格的收敛性分析,给出了交替迭代算法的收敛性条件,证明了算法的全局收敛性.最后通过设计数值算例,验证了本算法的可靠性和可行性,并对比了仅识别热流的单参数识别算法,验证了本算法在精度方面的提高.     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

基于扰动分析的随机离散事件系统的优化算法

将扰动分析与随机逼近算法相结合。得到基于扰动分析的随机离散事件系统的优化算法，即所谓的“Ｓｉｎｇｌｅ－Ｒｕｎ－Ｑｐｔｉｍｉｚａｔｉｏｎ（ＳＲＯ）”算法，提出一类ＳＲＯ算法，证明它的收敛性，估出收敛速度。     

方差渐增的多维ARMA过程的递推辨识

在时间序列分析中,绝大多数已有工作都考虑MA部分的驱动噪声方差(或条件方差)有界.在此讨论阶已固定的多维ARMA过程的系数辨识,允许MA部分的驱动噪声的条件矩E(||wn||β|Fn-1)(β>2)以logn的幂次的速度增长.用熟知的随机梯度(SG)算法来估ARMA过程的矩阵系数,在合理的条件下,保证了估计的强一致性.     

QD-RRT:基于Q距离函数和快速扩展随机树的机械臂运动规划方法

在传统运动规划算法快速扩展随机树(rapidly-exploring random trees, RRT)的基础上,引入了目标偏置策略和一种基于Q距离(Q-distance, QD)函数的避障方法.在随机树生成过程中,首先通过目标偏置策略引导随机树以一定概率朝目标点生长.若机械臂在新生成的路径节点所表示的位形处与环境障碍物发生碰撞,则使用Q距离函数快速高效地计算二者的嵌入距离,并利用Q距离函数的可微性,计算碰撞点的Q距离函数关于机械臂各个关节角度的梯度,对原有的路径点进行修正.这减少了RRT算法在路径扩展过程中的盲目性、随机性.使用MATLAB与CoppeliaSim机器人仿真软件对该算法进行仿真实验验证, QD-RRT算法与传统RRT算法相比,收敛速度更快,生成的路径质量更优.当环境空间障碍物较复杂或路径需要穿过狭长通道时,该算法优势更加明显.同时,该算法也可应用于RRT的某些改进算法中,例如RRT*.本文也将RRT*与QD-RRT*做出了比较.