一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

基于时变神经网络的迭代学习辨识算法

为了实现在有限时间区间上可重复运行的离散时变非线性系统辨识,给出基于时变神经网络的迭代学习辨识算法.对于每一个固定时刻,以该时刻的神经网络逼近该时刻系统输入输出间的映射关系,提出了在同一时刻沿迭代轴训练网络权值的带死区迭代学习最小二乘算法,为防止收敛速度下降过快,进一步提出了协方差阵可重调的改进算法.所提算法有较快的收敛速度,且时变神经网络对非线性时变系统的辨识精度也较高.     

一种线性时变系统辨识的递推算法设计及实现

利用方波脉冲变换,针对具有多输入多输出的线性时变系统的辨识问题,推导出一种计算简易可行的辨识算法,该算法具有辨识可延续到任意需要时刻的优点.     

慢时变线性模型参数辨识递推算法及收敛性分析

针对慢时变线性模型,给出辨识的递推算法,并证明该算法能够保证参数收敛在一个有界空间区域,该区域包含参数真值集合;若工作点不发生变化,合理的收敛因子保证参数收敛到对应真值.在实际应用中,工业对象可以利用慢时变线性模型表示,因此该递推算法能够确保工业对象模型实时更新以跟踪工况的变化.通过实例仿真可以看出,该递推算法能够保证慢时变线性模型参数有效更新,并较为准确估计输出变量.     

电力系统低频振荡在线辨识的改进Prony算法

研究在线的振荡特征辨识算法是实现电力系统低频振荡在线监视以及广域阻尼控制的重要理论基础。广域测量系统的发展和应用使得低频振荡的在线辨识成为可能。该文提出了一种用于在线分析电力系统低频振荡的改进Prony算法,该算法针对输入信号的实际阶数和线性预测参数的估计进行了综合改进。经过算法时间复杂度的分析,证明改进算法提高了计算速度。计算机仿真和动模实验结果表明,改进算法能够得到更符合系统实际阶数的降阶模型,分析计算占空比小于4%,满足在线低频振荡辨识和系统振荡特性分析的需要。     

时变遗忘因子的子空间辨识及预测控制器设计

针对线性时变多变量系统,在存在不可测干扰及系统动态特性变化较大的情况下,不需要已知系统先验结构信息,不需要辨识出系统参数矩阵,提出一种完全数据驱动的具有变遗忘因子子空间辨识的预测控制器设计方法.预测控制是一种基于模型的控制方法,为了更好地建立被控系统模型,在已有的在线辨识基础上,根据实测输出值与预测输出值的误差构造变遗忘因子,以调整采集数据的权重,提高辨识灵敏度和控制效果.最后通过实例仿真验证算法的有效性.     

块脉冲算子及其在控制理论中的应用(Ⅱ)——非线性时变系统中时变参数的递推辨识

本文利用(Ⅰ)中所提出的块脉冲算子,来讨论非线性时变系统中时变参数的辨识问题。以两类典型的系统(双线性时变系统和多项式时变系统)为例,分别给出了时变参数的递推辨识算法及计算机模拟结果。这种算法计算简便、精度较高。本文并进一步概括出应用这种方法去获得一般非线性时变系统参数辨识算法所应遵循的步骤,为获得更广泛的非线性时变系统的参数辨识算法,提供了新的途径。     

一种连续系统辨识方法及其在飞控规律辨识中的应用

针对某型飞机控制系统的规律辨识问题，对文献[2,3]提出的连续系统辨识方法进行了改进，给出了该方法可以适用的辨识对象的一般模型，同时通过对误差模型和极小化指标的改进，把原方法推广至时变参数辨识领域。数值仿真结果表明该方法成功的解决了该飞控系统的辨识问题。该方法还很容易推广到一类具有相同特征的线性，非线性，时变或时不变的参数辨识中。     

多变量线性时变系统的求逆算法及降阶逆系统

首先将文献 [2 ]的情形推广到更具普遍意义的多变量线性时变系统 ,给出了其求逆算法并举例验证了其有效性 .然后 ,通过线性系统理论中的降维观测器构造方法 ,对多变量线性时变系统的降阶简化逆系统构造方法进行分析并给出证明 ,该方法揭示了可观测性矩阵的秩与逆系统阶数之间的联系 .     

系统辨识的沃尔什函数方法

本文将系统辨识的沃尔什函数方法推广到一类非线性系统和时变的分布参数系统,对沃尔什函数的乘积矩阵和积分运算矩阵的性质提出一种比较简洁直观的证明方法。     

线性时变系统辨识及有非数量输入的最优控制

本文提出了一种线性时变系统的模型辨识方法,在系统有完全状态信息的情况下,先求出系统的状态响应矩阵,再解一类广义瑞利商的最小化问题估计出系统的转移矩阵,第二部分讨论了线性时变系统出现不确定非数量干扰时,用最小二乘法来辨识模型的方法,末一部分讨论了第二部分辨识的线性系统在二次型指标下的最优控制问题。     

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．     

线性时变系统的递推辨识法

本文利用方波脉冲函数导出一种线性时变系统的递推辨识法,讨论了可解的条件,给出了简明的递推辨识公式.计算结果与理论值是吻合的.     

用于非线性时变系统噪声统计Q、R阵估计的新方法

提出了一种估计非线性时变系统过程噪声协方差阵Q和观测噪声协方差阵R的新方法.扩展卡尔曼算法结合前馈神经网络的非线性时变系统辨识过程中,噪声统计Q、R阵的估计是影响系统建模和预测精度的关键因素之一.本文所提出的估计噪声统计Q、R阵方法是基于协方差匹配技术,将M ehra估计定常系统噪声统计的方法推广到一般的非线性时变系统.仿真结果显示了本文方法的有效性.     

基于脉冲算法的多智能体系统编队牵制控制

在有向动态网络结构下,利用平均脉冲间隔分别研究带有同步脉冲、不活跃脉冲及失步脉冲的领导者时变编队控制问题;将领导者时变编队控制问题和跟随者时变牵制控制问题分别转换为渐近稳定性问题,并为3种脉冲情况下的领导者渐近稳定性问题提出统一格式的准则;结合该准则提出一个充分条件,进而证明基于脉冲算法的领导者的状态能够实现时变编队控制,同时跟随者的状态收敛到领导者形成的凸包。结果表明:基于脉冲算法的线性多智能体系统可以实现编队牵制控制;数值仿真实例验证了结果的有效性。     

含饱和特性的双采样率数据Hammerstein系统辨识

针对含有饱和特性的双采样率数据Hammerstein系统提出了一种新的辨识方法。首先,将含有饱和特性的静态非线性环节和线性动态环节的串联,整理成一个非线性基函数和线性动态环节的串联。在此基础上,利用辅助模型辨识原理解决数据缺失、中间未知变量、被辨识参数之间存在耦合的问题, 通过递推辨识算法利用双率采样数据辨识单率Hammerstein模型中的参数。最后,以一个含饱和特性非线性系统实例的建模来验证提出辨识算法的有效性。     

结构时变模态参数辨识的时频分析方法

应用线性和二次时频变换方法，即短时傅里叶变换和魏格纳—维尔分布，进行了时变结构模态参数的辨识．通过对刚度突变和刚度连续变化的单自由度系统时变参数辨识的仿真，论述了两种时频辨识方法的特点．仿真结果表明，时频变换辨识方法是辨识时变模态参数的有效工具，而且魏格纳—维尔分布二次时频表示能得到比基于短时傅里叶变换的谱图更好的辨识结果．     

关于线性计量经济系统的状态空间实现问题

线性计量经济系统的状态空间实现是经济建模的一项重要工作,也是经济控制问题的基础。国内外很多学者对此作了专门的探讨。经济学家从线性计量经济输入输出方程(ARMAX)出发讨论过多种寻求经济模型实现的办法,从控制论的角度其中不少并非最小实现或并非典范形式,本文将经济系统作为一个典型的多变量系统,试图利用系统辨识理论和算法讨论经济系统的建模问题。文中讨论了经济系统实现的某些特点,为适应这些特点推广了常用的Guidorzi辨识算法,探讨了经济模型和多变量系统典范结构间的关系,最后给出了在特殊情况下寻求实现的简单算法。     

广义时变系统的最小二乘辨识方法

根据工程背景 ,提出了广义时变参数系统的概念。广义时变系统是指参数随系统可测扰动量变化的一类时变系统 ,即参数是系统可测扰动量函数的时变系统 ,提炼出这类时变系统的数学描述模型。根据最优化技术 ,导出了这类模型的两种辨识方法 ,即最小二乘型算法和随机梯度型算法 ,并应用鞅超收敛定理分析了算法的收敛性。分析表明 :由于该方法同时还利用了系统扰动量所含的信息 ,因而可以给出时变参数的一致估计。数字仿真验证了提出方法用于估计广义时变系统的参数是有效的。     

时变离散系统的一种自适应算法及鲁棒性分析

针对时变离散系统,设计了一间接极点配置鲁棒自适应控制算法．用投影修正的最小二乘法辨识时变系统参数,并用极点配置法设计控制律．辨识机制的投影修正保证了闭环自适应控制系统的鲁棒稳定性．文中着重分析了自适应控制律的特性及闭环系统鲁棒稳定性,得到的结论是：如果未建模动态和平均时变充分小,则闭环系统有界输入、有界输出（ＢＩＢＯ）鲁棒稳定．文中的结果及其证明改进并发展了现有时变自适应控制理论．仿真例子验证了鲁棒性分析的正确性