基于模拟退火算法的水下航行器流体动力参数辨识

运用模拟退火算法和极大似然准则,对水下航行器流体动力参数进行辨识。辨识结果表明：运用模拟退火处、可以求得水下航行器流行动力参数的极大似然估计;与常规辨识算法相比,模拟退火算法对初值的选取要求较低。     

一种内涵式参数辨识的GM(1,1)新模型

针对普通GM(1,1)模型应用于非平缓变化序列预测时误差较大甚至失效的缺陷,提出了一种内涵式参数辨识的GM(1,1)新模型。推导了模型边值、背景值权重系数、发展系数以及灰作用量与预测值之间的非线性内涵表达式,并采用粒子群算法(particle swarm optimization, PSO)对内涵式参数进行辨识,建立了PSOGM(1,1)预测新模型。典型算例表明,PSOGM(1,1)模型收敛速度快,较普通GM(1,1)模型具有更高的预测精度,可应用于平缓变化及非平缓变化序列预测。     

非平稳环境下提高神经网络辨识能力的新方法

利用非平稳环境下系统时变参数变化规律的先验信息，构造参数转移矩阵来刻画系统的时变动态特征，并基于此推导了非平稳环境下神经网络训练的改进的卡尔曼滤波算法．仿真结果表明：该方法显著地提高了神经网络在非平稳环境下的辨识能力。     

静态负荷模型参数辨识的一种混沌优化策略

混沌优化方法利用混沌运动的随机性、规律性、遍历性寻优,能以较大的概率搜索到全局最优点。将一种高精度的混沌优化策略用于电力系统静态负荷模型参数辨识,克服了传统的基于梯度寻优的辨识方法容易陷入局部最优点的不足。此方法使用了三步混沌搜索,并引入随机数来增强遍历性。实际算例的辨识结果证实了此方法在静态负荷模型参数辨识中的有效性和准确性。     

一种非线性时变系统小波网络辨识算法

提出一种可对任意非线性时变系统进行辨识的新方法，即基于小波神经网络的带自校正移动窗的递推最小二乘算法，与现有的神经网络辨识算法不同，该算法是根据被估权值时变速度的快慢来自适应地调整移动窗的长度，以跟踪非线性时变系统的动态特性，文中推导了了算法，并将全局算法进一步推广成不含任何矩阵运算的局部算法以提高算法的实时性能，几个典型的系统辨识仿真实例显示出这种方法具有跟踪精度高和计算简便的良好性能。     

姿态机动开关反馈控制器消振参数优化设计

研究空间飞行器大角度姿态机动反馈开关控制的消振参数优化设计问题。基于一类采用拟欧拉角、拟欧拉角速度和飞行器绝对角速度为反馈信号的姿态机动控制模型,以其消振参数为优化变量,开关次数为优化指标,建立了姿态机动参数优化模型。采用模拟退火算法完成了控制器参数的优化设计。仿真结果表明,通过引入消振参数和对消振参数的进一步优化,可以明显地减少开关次数,同时开关次数的减少是以增大机动时间为代价的。     

水下机器人动力学系统的小波辨识算法

动力学模型辨识是机器人控制设计的基础,是水下机器人研究的核心内容之一。以Falcon水下机器人的动力学模型为研究对象,在模型适当简化的基础上,提出基于小波级数模型的水下机器人动力学在线辨识方法,选取DOG(Derivative of Gaussian)小波作为小波函数,对Falcon水下机器人纵向自由度动力学模型进行自适应辨识。针对水下机器人动力学模型的时变特性,研究负载特性变化情况下的系统辨识,得出了基于DOG小波级数模型的水下机器人动力学在线算法更加有效。     

预测误差法参数辨识及其MATLAB仿真

预测误差法是一种精确度较高的辨识方法,其辨识误差要远远小于最小二乘法.但由于其计算较复杂,以前使用传统编程语言(FORTRAN,PASCAL, C/C++)很难实现,但使用MATLAB系统辨识工具箱函数实现预测误差法辨识就很方便了,且使用MATLAB实现预测误差法精确度较高,具有很好的实用价值.文中介绍了参数辨识的预测误差法原理,阐述了Newton-Raphson最优化算法在预报误差法参数辨识中的应用.用MATLAB的系统辨识工具箱和GUI图形工具编制了基于Box-Jenkins模型的参数辨识仿真程序pebjident,最后以实例介绍了用此程序进行预测误差法参数辨识的过程,以及辨识结果分析.     

一种自主水下航行器路径规划算法

提出了一种自主水下航行器穿越雷区的路径规划算法。将路径规划分为全局路径规划和局部路径规划两个部分,建立了水雷分布的Voronoi图,采用遗传算法规划出初步的全局最优路径。自主水下航行器按照全局最优路径航行时,利用前视声纳作为探测仪器。根据所测得的障碍物相对于自主水下航行器的位置关系设计出一个模糊推理系统(FIS)求解其避障角度,完成局部路径规划。仿真结果表明了这种算法的有效性。     

基于稳态自适应技术的水下机器人系统在线辨识

针对水下机器人运动和作业过程中的有效载荷变化使得机器人动态特性也相应地发生变化的特点,以开架式无缆水下机器人为研究对象,在对其动力学模型进行简化的基础上,提出了一种基于稳态自适应技术的在线参数辨识方法,进行了与基于最小二乘法的离线参数辨识的对比实验以及水下机器人特性发生变化时的在线辨识实验,水池实验结果验证了基于稳态自适应技术的参数在线辨识方法对开架式水下机器人进行系统辨识的有效性和可行性.     

多新息最小二乘法辨识水下机器人动力学模型

水下机器人动力学模型辨识是水下机器人运动控制、状态监测和系统设计开发的基础.把6自由度动力学模型适当简化,给出Falcon水下机器人的动力学模型,在最小二乘算法(LS)和递推最小二乘算法(RLS)的基础上,提出基于多新总最小二乘算法(MILS)的水下机器人动力学模型辨识方法,最后给出MILS辨识算法、RLS算法和LS辨识算法仿真实验结果,证明所提算法的可行性与优越性.利用多新息最小二乘算法得到的水下机器人动力学模型参数更接近于理想参数,能够更好的描述水下机器人的动态特性,对于水下机器人的操纵与自适应控制的研究有较大的实际意义.     

用于多目标数据互联的模拟退火方法

通过对模拟退火算法的改进,成功地将其应用到多目标数据互联问题中,算例表明,其应用效果令人满意。     

微小型水下机器人操纵性能与运动仿真研究

以某微小型水下机器人为对象,对其进行受力分析,并考虑海流环境的影响,以空间六自由度运动方程为基础建立其运动仿真模型.通过带附体的模型试验,得到水下机器人阻力曲线和各主要水动力系数,应用面元法预报了其控制面的水动力特性,在此基础上建立了水下机器人的运动仿真系统,对其在水平面和垂直面内的操纵性能进行了预报,仿真试验结果表明此水下机器人具有良好的操纵性能,运动仿真系统可以作为控制器设计与调试的试验平台.     

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.     

参数设计的模拟退火并行计算法

针对参数设计中的一类非线性规划问题 ,基于均匀设计的思想 ,提出一种全局优化的模拟退火并行计算方法 .实例计算表明 ,该算法简单、有效 ,便于质量工程人员使用 .     

The Maximum Likelihood Method of Aerodynamic Parameter Identification

In this paper a method of aerodynamic parameter identification of vehicle, the maximum likelihood method, is introduced. The aerodynamic model of vehicle is identified and the basic equations using maximum likelihood method are established. After that, the simulation data is identified to verify the correctness of the mathematic model and identification method. Last, the practical flight data is identified and analyzed.     

基于线谱特征的水下目标识别仿真实验研究

水下目标识别技术是世界各国十分重视的研究课题之一,在国民经济尤其在军事领域中,具有重要的应用价值。船舶辐射噪声中有着很强的线谱成份,这些成份分类或识别往往是非常有价值的。因此,利用线谱特征对舰船目标进行识别是水声领域研究的重要内容。本文在研究舰船辐射噪声线谱提取逄法的基础上,对多种型号和多种工况的大量噪声样本,进行了线谱提取。针对舰船辐射噪声线谱分布的特殊性,提出了筛选法和模糊推理分类法。利用这些     

气动系数模型辨识的逐步回归法

本文论述了逐步回归法在气动参数模型辨识中的具体应用，描述了该法的应用前景及误差分析。