激励未知系统模态参数识别研究

研究了输入未知时，根据系统运行实测响应数据识别系统结构，采用迭代逆滤波算法，用高阶ＡＲ模型对输入信号进行估计，以便最终识别系统；在模型识别中采用了正交子空间法，这一方法将正交化引入时间序列，从而实现系统阶次的自动估计及模型识别．针对基本算法的冗余计算提出了改进算法。实验结果表明，本方法对未知输入系统识别良好，具有现实可行性。     

一种迭代未知输入观测器设计

针对具有未知输入的线性系统讨论了基于迭代控制思想的未知输入观测器设计方法.针对每一步迭代,由于当前未知输入已知,因而可以通过设计常规的Luenberger观测器得到当前步的状态估计和输出估计.在此基础上采用D-型迭代学习控制的思想,通过当前输出步误差和未知输入估计值提出下一步的未知输入的迭代估计方法,并利用此次未知输入估计值再次设计Luenberger观测器估计下一步的状态.之后,对迭代算法的收敛性进行了分析,并给出了迭代算法收敛的充分条件.最后,对一个实际模型进行仿真,验证了算法的有效性.     

对于反卷积系统的未知输入噪声的信息融合估计算法

对于一个反卷积系统,当系统输入噪声未知时,提出一种信息融合估计算法。该算法的核心是自回归滑动平均模型(ARMA)模型和Gevers-Wouters算法。应用该算法可以得到对未知输入噪声和未知滑动平均参数的局部和融合估计,并证明了该算法的收敛性。用Matlab对一个例子进行仿真得到估值收敛于真实值,从而对算法的有效性进行了验证。     

多变量CAR模型的递推辨识

将加权最小二乘法和限定记忆两种参数估计方法相综合，给出了多变量系统带控制输入的自回归模型未知参数的递推估计算法，该估计算法是前两种估计方法在多输入多输出MIMO系统的推广。     

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation, MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter, ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares, WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。     

故障估计的快速梯度算法

加性故障的估计通常是依赖于状态空间模型,如滑动时域估计和未知的输入观测器。本文基于闭环系统的输入-输出观测数据,采用直接设计的方法来估计故障,并设计控制器。该直接方法无需建立系统和故障的状态空间模型,也无需采用子空间辨识来建模。对于故障的估计,利用闭环系统中输入-输出关系建立一个参数化的最小二乘问题。在施加故障的上下限约束条件下,采用快速梯度算法来估计故障。最后以直升机悬停状态为例,利用本文方法估计故障,验证方法的有效性。     

基于EM算法的随机动态系统建模

提出一种在噪声统计信息未知的情况下,对随机动态系统模型进行建模的方法.采用状态空间模型描述随机动态系统,模型的参数通过EM算法进行估计,通过改进该算法中的Kalman滤波,实现了对噪声协方差矩阵的估计.基于改进的Kalman滤波,EM算法可以用于噪声统计信息未知的动态系统建模.     

基于观测器的不匹配未知输入系统的滑模控制

对具有不匹配时变未知输入的线性系统,研究了基于观测器的滑模控制器设计方法.首先,设计了一种与控制输入无关、能直接抵消未知输入影响的降维观测器.通过该观测器估计系统状态,并提出了一种未知输入代数重构方法,进而利用高增益滑模观测器给出了未知输入一阶微分的渐近估计方法.最后,提出了一种基于系统状态估计、未知输入重构及未知输入一阶微分估计滑模控制器新的设计方法,并通过仿真分析,论证了该方法的可行性和正确性.     

目标机动性未知时的多平台交互式多模型融合算法

多平台的交互式多模型（IMM）Kalman滤波器是一种比较有效的机动目标跟踪估计方法．但当目标存在未知机动时,基于模型的估计器的精度就会下降．目标跟踪中的输入估计技术可对未知机动性进行估计．本文在给出过程噪声和量测噪声相关情况下最小方差无偏（MVU）输入、状态滤波估计的基础上,提出了基于上述滤波器的分布式IMM多传感器多平台融合算法．仿真表明了该算法的有效性．     

基于盲辩识理论的双通道肌电信号建模与分类

基于肌电信号产生机理，对双通道前臂肌信号建立单输入多输出ⅡＲ系统模型，由于模型输入未知且不可测，采用了盲信道辩识方法对模型传递函数进行辩识，通过提取模型参数作信号特征，能够对握拳、展拳、前臂内旋和前臂外旋四类前臂动作进行识别，实验表明，该方法运算量小，适合在线实现，性能要优于传统的ＡＲ模型方法。     

基于盲辨识理论的双通道肌电信号建模与分类

基于肌电信号产生机理，对双通道前臂肌电信号建立单输入多输出IIR系统模型，由于模型输入未知且不 可测，采用了盲信道辨识方法对模型传递函数进行辨识．通过提取模型参数作为信号特征，能够对握拳、展拳、前臂 内旋和前臂外旋四类前臂动作进行识别．实验表明，该方法运算量小，适合在线实现，性能要优于传统的AR模型 方法．     

含未知输入的非方离散广义系统的观测器设计与输入估计

研究了含未知输入的非方离散广义系统的输入解耦观测器设计问题．当系统脉冲能控时，把部分状态与未知输入一起作为新的未知输入，通过输入一状态对的非奇异变换，把非方离散广义系统的观测器设计问题等价地转化为离散正常状态空间系统的相应问题．给出了观测器存在的充分条件和简单的设计方法，并用观测器的状态，系统的控制输入和输出渐近地估计了系统的状态和未知输入．     

基于未知输入观测器的不匹配干扰系统滑模控制

针对具有不匹配未知干扰的非线性系统,研究基于状态估计和未知输入重构的控制问题.在状态可测和未知干扰已知假设下,提出了一种新滑模控制器设计方法,以达到输出渐近稳定;通过设计一种未知输入观测器,对系统的时变未知输入进行重构;基于高增益滑模观测器对未知干扰的微分和系统的输出微分信息进行了有限时间内的精确估计;设计了一种新的基于观测器的控制策略,并论证其可行性.利用一个实际模型验证该控制器的有效性.     

参数未知一类系统的模糊自适应控制

采用多模型自适应控制的方法，针对参数未知的线性随机系统提出了一种模糊控制算法，其控制信号兼有辨识与控制两方面的作用。该算法可在较大程度上把控制和估计分离开，适合于实时控制。仿真结果显示了该算法的有效性。     

车身疲劳载荷识别与应用

为提高整车载荷识别精度和车身疲劳寿命预测精度,提出应用改进的振动系统传递函数估计算法结合虚拟迭代计算方法,以提高整车输入载荷识别精度和车身疲劳寿命预测精度。首先,应用道路载荷测量车进行整车试验场耐久性强化试验道路载荷信号采集,建立满足工程精度要求的整车刚柔耦合多体动力学模型。在整车振动系统传递函数矩阵识别中,利用改进的估计算法消除输入载荷和响应载荷中随机干扰信号的影响,然后应用整车动力学模型进行输入载荷的虚拟迭代计算,获得比H1估计方法更准确的输入载荷。最后,将虚拟输入载荷导入白车身有限元模型中进行寿命预测计算,并应用整车四通道道路模拟试验进行白车身疲劳寿命试验来验证提出的寿命预测计算的准确性。结果表明,仿真预测结果与试验结果基本一致,说明所应用的改进估计算法和虚拟迭代计算方法可以获得更加准确的整车输入载荷,提高车身疲劳寿命预测的精度。     

具有未知输入非线性系统的自适应观测器设计

针对具有未知输入和传感器噪声的的非线性系统,讨论了基于T-S(Takagi-Sugeno)模型的未知输入观测器设计方法.首先,给出了基于非线性系统构造T-S模型系数矩阵的计算方法.然后,以T-S模型作为设计模型,通过扩展传感器噪声为辅助状态向量的方式,将系统扩展为增维系统.继而,针对T-S模型,设计模糊自适应观测器以达到对非线性系统状态,未知输入和传感器噪声同时估计之目的.为此,基于线性矩阵不等式,给出了观测器存在的充分性条件.最后,通过实例仿真验证了此方法的有效性.     

基于滑模观测器的卫星姿态控制系统滑模容错控制

针对卫星姿态控制系统执行机构故障,设计了基于滑模观测器的滑模容错控制律.采用迭代学习算法在线调节观测器滑模项切换增益,设计滑模观测器估计卫星姿态和角速度.在此基础上,将执行机构故障作为系统的未知动态,提出一种对卫星姿态控制系统执行机构故障不敏感的滑模容错控制方法.该方法利用系统输入和状态信息,结合动力学特性实现未知动态估计,以此设计滑模控制律.通过数字仿真验证了该容错控制方法的有效性.     

具有干扰解耦能力的鲁棒在线故障诊断

针对一类带有未知输入干扰和模型不确定性系统,提出了一种新型鲁棒在线故障诊断方法,该方法综合应用带有未知输入状态观测器技术和RBF神经网络的在线建模能力,利用状态观测误差实时调整RBF神经网络的权值,使其不但能在线实时检测、分离、估计故障信号,而且对未知输入干扰具有解耦能力,对有界模型不确定性具有鲁棒性,给出了该方法的鲁棒性和灵敏度的分析结果,仿真结果表明了该方法的有效性。     

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LMI的H∞未知输入观测器设计

针对同时具有未知输入和量测噪声的离散Lipschitz非线性系统,采用扩展状态向量的方法将量测噪声向量当作系统状态,从而将系统化为形式上不含量测噪声的广义离散非线性系统.通过设计广义系统H∞未知输入观测器,同时估计出原系统状态和量测噪声.为了降低设计的保守性,将观测器设计转化为线性矩阵不等式(LMI)求解问题,给出观测器设计算法,并基于延迟估计的思想提出一种未知输入代数重构方法.仿真结果表明:提出的方法可以使状态估计、量测噪声及未知输入的重构信号逼近实际信号,证明了该方法的有效性和正确性.