基于最小二乘法的飞行员模型参数辨识

针对飞行员与飞机相匹配的特点,采用最小二乘法对飞行员模型进行参数辨识.根据Hosman感知模型的特点,确立待辨识参数,为提高辨识精度,重点分析了辨识数据野值的剔除和补正.在俯仰工况下,利用最小二乘递推算法辨识参数,并在研究用Boeing 737-800飞行模拟机上对该方法进行了试验验证.结果表明,飞行员模型的仿真输出曲线与飞行测试数据之间的升降舵角度误差小于0.3°,俯仰角误差小于0.5°,说明通过该方法获得的模型参数能够反映飞行员实际的操作行为.     

Volterra模型参数灰色辨识的变步长Simpson数值积分法

针对观测数据的非等间隔性及波动性严重影响参数辨识精度问题,基于拉格朗日插值公式,推导出了变步长Simpson数值积分公式,并结合灰色系统理论,提出了一种模型参数灰色辨识的改进方法.用此方法对Volterra模型中的参数进行了辨识仿真,与以往的曲线拟合方法进行了对比分析,并简要分析了模型的初值问题.计算研究表明,基于变步长Simpson数值积分公式的灰色辨识方法在处理非等时间间隔以及数据波动性较大的参数辨识问题时稳定性较好,可满足高精度辨识模型参数的要求.     

采用非线性最小二乘法的超级电容等效电路模型参数辨识

针对电动汽车混合储能系统中超级电容在传统模型参数辨识中误差较大、不利于估计其工作状态和进行系统能量管理的问题,提出了一种采用非线性最小二乘法的等效电路模型参数辨识方法。为了精确表征超级电容内部电荷再分配过程及其端电压特性,减小模型误差,该方法首先在超级电容三分支等效电路模型的基础上,分析超级电容充、放电过程中内部的电荷再分配过程;然后,利用粒子群算法分段辨识得到模型参数初值;最后,在所得模型参数初值的基础上采用基于信赖域的非线性最小二乘法对模型参数进行优化。采用超级电容进行多组恒流充、放电实验,结果表明,在不同充、放电条件下,模型计算的端电压与对应实验测试端电压的平均绝对百分误差均在0.5%以内,由此验证了基于非线性最小二乘法参数辨识的有效性和准确性。     

可调式灰色GM(1,1)模型

灰色模型是灰色系统理论的重要内容,灰色预测、灰色决策、灰色评估等许多理论都是通过建立灰色模型来处理的,由于离散函数的导数不存在,因此,如何处理导数信号,是建立灰色模型的关键。本文根据灰色ＧＭ（１,１）模型的建模机理,指出现行建立模型方法的不确定切之处,给出处理导数信号即背景值的方法,由此导出可调节灰色ＧＭ（１,１）模型。     

改进的灰色Verhulst模型

针对灰色Verhulst模型预测函数中参数c的求解问题,提出了一种优化预测函数的新方法。该方法以累加生成序列的倒数与其倒数模拟值的差值平方和最小为目标函数,构建了一个非线性无约束优化模型,来求解灰色Verhulst模型预测函数中的参数c,并给出了灰色微分方程时间响应式的解析式。实验分析表明:改进模型在预测精度和实用性上均有较大改善。     

基于最小二乘改进算法的时变系统参数辨识

在系统辨识领域,常规最小二乘法是一种最基本的辨识方法之一.然而,随着观测数据的不断增加,会出现“数据饱和”的现象,造成新观测数据对估计值起不到修正的作用.由于新观测值对未知参数估计的影响要比旧观测值大,采用了渐消记忆和限定记忆最小二乘改进算法,来实现时变过程的参数辨识,并进行了仿真实验.仿真结果表明,它们能够克服“数据饱和”现象,从而改善参数辨识结果     

基于最小二乘法的锂离子电池参数辨识方法研究

目的 针对使用戴维南等效电路模型对锂电池进行参数辨识不够精确的问题,提出一种二阶 RC 等效电路模型并对锂电池进行参数辨识。 方法 通过脉冲放电实验得到锂电池的相关数据,在 MATLAB 上使用最小二乘算法对所建立的二阶 RC 等效电路进行参数辨识,并对不同 SOC(State of Charge)下锂电池各个参数的变化情况进行分析,通过计算锂电池的端电压来判断参数辨识的精确度,最后将辨识结果与戴维南等效电路模型所辨识的结果进行对比并分析。 结果 随着锂电池 SOC 下降,锂电池的各个参数会有轻微的波动,在锂电池的 SOC 处在较低的水平时,锂电池的各个参数变化比较剧烈,这是由于锂电池的化学浓差极化所导致的,当将辨识的参数用来求解锂电池的端电压时,随着时间的推移,发现锂电池的端电压的误差波动比较稳定,且最大误差不超过 0. 05 V,反观使用戴维南等效电路模型求得锂电池的端电压误差波动比较大,且最大误差超过了 0. 08 V。 结论 在锂电池参数辨识上二阶 RC 等效电路比戴维南等效电路更加准确,能够更好地描述锂电池的动静态特性,为后续对锂电池的荷电状态估计提供了有力的基础。     

一种系统在线辨识算法的改进研究

研究了线性单输入单输出系统在线辨识的递推算法．为确保复杂的智能控制有更充裕的时间，在保证辨识精度的情况下，提出了减少参数辨识运算量的变步长递推算法．传统的递推最小二乘法采用的方式是每获得一组新观测数据就修正一次参数估计值，而变步长递推算法增加了改变每次修正参数估计值前获得新观测数据的组数，合并了一些重复的运算．对该算法进行了推导，并给出了参数误差的差分方程，在理论上证明了算法的收敛性．仿真和实验表明，该算法的运算量有明显减少，而收敛速度和辨识精度几乎没降低．     

基于最小二乘偏差补偿法的舵机模型参数辨识

舵机作为无人旋翼机一个重要的执行机构,控制着旋翼机飞行姿态与轨迹的改变,为建立舵机的数学模型,提出了基于最小二乘偏差补偿法辨识伺服舵机的模型参数。在研究了伺服舵机的结构与工作原理的基础上,首先建立舵机各组件模型,综合得到舵机的系统模型;然后采用最小二乘偏差补偿法辨识模型参数。实验仿真验证了该方法具有较高辨识精度与有效性。     

一个非线性模型的参数辨识

给出了一个非线性模型的参数辨识方法和过程。     

用 Hopfield 网络求 LS 法的损失函数及辨识参数

讨论了用连续Ｈｏｐｆｉｅｌｄ神经网络实现最小二乘（ＬＳ）法同时求损失函数及辨识参数，进而对该网络的一次输入的矩阵参数进行多阶次辨识的计算。通过增加一维输入矩阵使其构成计算所需要的结构，及根据最小二乘法结构上的特点对该网络的反馈信息加以控制的手段，使该网络在稳定时，能够同时输出辨识参数及损失函数。依此顺序对反馈信号进行控制，可以依次得到低于该输入阶次的各阶辨识参数及损失函数     

GM(1,1)模型参数估算的新方法及其应用

通过对传统的GM(1,1)模型进行分析,指出了GM(1,1)模型实质是指数预测模型.提出了一种新的参数估算法(最小二乘法),用这种新方法估算GM(1,1)的参数,并通过一个实际例子进行了分析.     

基于最小二乘法的Bouc-Wen模型参数辨识

Bouc-Wen模型是工程中应用比较广泛的一种迟滞模型,能够产生一系列不同的光滑滞回曲线,但在实际应用中,因其数学表述上的复杂和参数物理意义不明确而使得其参数辨识存在一定的难度.文中提出一种基于最小二乘法原理的参数辨识方法,它根据系统的输入和输出直接辨识模型中的等定参数,通过在电梯导靴摩擦力建模中的应用表明该方法辨识精度较高,具有较好的实际应用价值.     

基于串行RLS的汽车双参数联合辨识

整车质量与质心位置是汽车重要的结构参数,也是试验中必要的量测值和主动安全控制系统必需的工作参数.文中针对汽车实际使用过程中质量经常发生变化的情况,提出一种汽车双参数联合辨识方法.该方法基于两个串行的递推最小二乘(RLS)法,以汽车出厂初始参数为串行RLS辨识算法的初始值,结合蛇行试验辨识质心位置;然后,以辨识所得的质心位置结合双移线试验辨识整车质量,将辨识所得质量序列方差作为门槛值,通过有限次的递推循环,可以使得汽车整车质量、质心至前轴距离两参数的相对误差均收敛到3%以内.文中最后通过ADAMS虚拟试验验证了算法的有效性.     

基于DSC-LS的加速度计动态模型参数辨识

加速度计动态模型参数辨识对提高振动与冲击动态测试和动态分析精度等具有重要作用.针对加速度计动态模型参数频域辨识方法中栅栏效应对参数辨识精度的影响,提出了一种基于离散频谱校正-最小二乘（DSC-LS）的加速度计动态模型参数辨识方法,该方法利用H₁估计获得零频点坐标,并将FFT+FT离散频谱校正与LS方法相结合,高精度估计出谐振点坐标,然后通过特征点坐标计算加速度计动态模型参数.实验结果表明,该方法能够有效消除栅栏效应对加速度计动态模型参数辨识的影响,具有较高的加速度计动态模型参数辨识精度和抗低频窄带噪声干扰性能.      

一种用于模型结构辨识的新方法

系统辨识的关键是模型结构的辨识，它包括模型验前结构的假定和模型结构参数的确定。线性系统的模型结构辨识实质上就是确定模型的结构参数。该文以飞行器运动数学模型为研究对象，介绍了一种基于Bayes假设检验理论、适用于线性系统模型结构辨识的新方法，并给出了工程应用实例。     

提高工业产值灰色模型预测精度

通过建立鞍山市历年工业总产值全数据的灰色模型,较准确地预测出鞍山市1990年的工业总产值,其预测误差为10.99％.在1989年总产值的邻域系上建立了灰色模型簇。通过比较簇中各灰色模型的平均误差及原点误差,筛选出最优灰色模型。为进一步提高该模型的精度,又以残差数列建立灰色模型对该模型进行修正。修正后预测出1990年的工业总产值的预测误差仅为4.14％,这表明,在灰色模型簇中筛选最优预测模型,并在此基础上建立被残差修正后的灰色预测模型,从而提高灰色模型的预测精度。     

电弧炉系统电弧模型的建立与参数辨识

分析了电弧辐射散热规律,并在此基础上考虑炉温变化对电弧特性的影响,建立了电弧炉系统电弧模型.针对炉温难以测量的情况,将电弧随炉温变化的特性等效于电弧的时变性,研究了整个冶炼过程中模型参数的时变情况.在使用现场生产数据对模型参数进行辨识的过程中,针对模型中参数存在相关性的情况,使用基于样条变换的偏最小二乘方法对模型参数进行辨识.辨识结果表明,参数随时间的变化符合以前文献的研究结果以及现场情况,所建立的模型可以全面反映整个冶炼过程中的电弧特性.     

基于灰色模型的广义预测控制直接算法

基于灰色模型GM（1,2）,采用两个辨识器分别辨识被控对象和闭环系统的参数,从而得到了控制器的参数,给出了一种广义预测控制的直接算法.由于此方法将被控对象视为灰色系统,需辨识的参数较基于CARIMA或CARMA模型的广义预测控制直接算法大大减少,实时性进一步提高.仿真结果表明,该方法是有效可行的.