基于加速收敛与递阶迭代的多变量系统辨识算法

根据递阶辨识原理和迭代辨识原理,可以实现多变量系统参数的准确辨识,但是其参数的收敛速度有待提高。该文针对参数的收敛性进行研究,提出了基于加速收敛技术的辨识方法。该方法根据递阶辨识原理将多变量系统分解成2个子系统,使其分别含有参数向量和参数矩阵,再根据迭代辨识原理得到参数的迭代解,并应用加速收敛技术进行加速。仿真实验表明:该方法可以得到很好的辨识结果,加速收敛技术的应用显著提高了参数的收敛速度。     

单输入多输出系统的递阶增广随机梯度辨识算法

根据负梯度搜索原理,推导了滑动平均噪声干扰单输入多输出系统的递阶增广随机梯度算法.为了改进提出算法的收敛速度,在算法中引入遗忘因子,得到递阶增广遗忘梯度算法.数字仿真结果表明所提出的算法估计系统参数是有效的.     

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法，通过一系列的QR分解，用两个矩阵分别逼近奇异值分解的主要左、右奇异向量，用一个三角矩阵逐渐逼近主要的特征值，从而取代了原始MOESP子空间辨识算法中的奇异值分解步骤。通过用一系列Givens变换来实现QR分解的数据更新，实现了此类子空间方法的在线递推辨识。仿真表明，该方法可以有效地对系统的极点进行跟踪。     

水箱液位多变量系统辨识方法的比较

针对流程工业中广泛使用的多反应塔液位控制系统,以三水箱液位系统为例,利用伯努利流体力学原理,推导了液位系统的多变量非线性数学模型.采用线性化和离散化方法,获得系统的状态空间模型和传递矩阵模型,分析辨识该多输入多输出模型的遗忘梯度算法、子系统遗忘梯度算法和递阶遗忘梯度算法,并对这3种算法进行仿真比较.结果表明,递介遗忘梯度算法计算量最小,计算效率最高,但参数估计性能介于遗忘梯度算法和子系统遗忘梯度算法之间.     

遗忘漂移时变系统的辨识

遗忘漂移时变系统的辨识极为困难 ,关键在于参数模型中的矩阵 H是未知的。为解决此问题 ,提出了当 H已知时 ,采用遗忘梯度辨识算法和多新息辨识算法 ;当 H未知时 ,采用递阶辨识方法。提出的遗忘梯度算法、遗忘漂移多新息辨识和递阶辨识算法的计算量都较增广 Kalm an滤波算法小。仿真结果表明 :遗忘梯度算法估计遗忘漂移时变参数的精度优于 Kalm an滤波算法     

多变量系统随机梯度辨识方法比较研究

针对工业中广泛存在的多变量系统,研究了辨识这类系统的遣忘梯度辨识算法,分子系统遗忘梯度辨识算法和递阶遗忘梯度辨识算法,对这三种算法的计算量进行了比较分析,并给出了仿真例子.     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.     

双输入多率输出误差系统最小二乘迭代辨识

以双输入多率采样系统为例,推导出双输入采样周期不等的多率输出误差系统的离散时间状态空间模型,进而得出对应的传递函数模型。论文提出了这类双输入多率采样数据系统的最小二乘迭代辨识算法,仿真例子说明了提出算法的有效性。     

动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。     

线性多变量系统频域稳定性的迭代分析

本文在频域中研究了线性多变量反馈系统的迭代稳定性问题。通过对系统回差矩阵进行分裂，讨论了一般迭代方法的收敛性与系统稳定性之间的关系，得出了迭代收敛性等价于系统的闭环稳定性的结论，并由此得到３个实用的频域稳定性的判据。     

关联估计的递阶多变量DMC算法

针对实际多变量预测控制算法中存在的离线计算复杂、实时性较差等问题,设计基于关联估计的递阶多变量动态矩阵预测控制(DMC)算法．文中分析算法的有效性和稳定性．说明算法的程序实现方法．实际造纸机控制结果表明。该算法具有简单、易实现、实时性好的特点．能够达到具有较好的控制效果。     

解多元非线性方程组的一个非线性迭代法

针对两种不同类型的多元非线性方程组分别构造了相应的常微分方程组初值问题,并讨论了非线性方程组的根与初值问题的解之间的关系。在此基础上,给出了解多元非线性方程组的一个非线性迭代法,该方法是二阶收敛的,数值试验结果表明,该方法是有效的。     

基于一步迭代策略的非线性系统模型辨识

针对复杂非线性系统难以建模的特点,将系统的数学函数进行一阶泰勒级数展开,创新性地采用一步迭代算法对系统的线性部分进行辨识,并用严格的数学理论研究样本的选取对模型精度的影响,在此基础上采用BP网络辨识泰勒余项和噪声.然后,将所提出的算法应用于一类典型的间歇系统中,仿真结果表明提出的算法具有比较高的建模精度,为复杂系统的建模提供了一条新途径.     

SOA敏捷架构的TOGAF层次化迭代建模

针对面向服务(SOA)敏捷架构演进周期短、业务与IT对齐要求高的特点,提出一套基于开放组架构框架(TOGAF)的层次化迭代建模方法:外层迭代通过敏捷演进闭环使得企业架构能够随架构愿景的调整敏捷地实施增量化更新;内层迭代通过三维迭代矩阵建立架构模型组在需求、语义、粒度3个方面的对齐机制。对内层迭代进一步探讨了基于BPM+SOA的业务架构、信息系统架构及技术架构模型组语义对齐建模方法与典型建模过程,为SOA敏捷架构提供了一种可迭代的、阶段化交付的、业务流程与信息系统对齐的实现方案。