负荷建模和参数辨识的遗传进化算法

提出了一种用于电力系统负荷建模和参数辨识的遗传进化算法,该方法与传统的最小二乘法相比具有全局搜索优化特点,适用于非线性、不连续或微分不连续的各种负荷模型.该方法已成功用于工业负荷实测数据辨识及动态和静态负荷建模.在静态负荷建模上,辨识结果略优于传统的最小二乘法,且通用性更好,只需做极小的修改就可以用于各种形式的静态负荷模型.在动态负荷建模上算法不仅给出了更优秀的结果,而且表现出很好的稳健性.结果表明此方法在负荷建模中的优势.     

基于差分对立灰狼算法的SNCR脱硝系统模型辨识

为了对具有大迟延、大惯性、非线性的选择性非催化还原（SNCR）脱硝系统进行有效的控制，建立一个精确的SNCR脱硝系统模型是至关重要的。采用遗忘因子递推最小二乘（FFRLS）法和贝叶斯信息准则（BIC）确定系统离散传递函数的阶数，提出了一种改进的灰狼算法即差分对立灰狼（DOGWO）算法，使用该算法对模型的参数以及时滞进行寻优，得到精确的模型。经过标准测试函数测试以及现场实际数据验证，仿真结果表明DOGWO算法与其他算法相比具有收敛速度快，辨识精度高，可以准确得到模型参数等优点，为实时快速的模型在线辨识提供了新的方法。     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

基于Takagi-Sugeno模糊模型的小型无人直升机系统辨识

提出了一种基于非线性系统模糊辨识建立小型直升机动力学特性模型的新方法,分析了小型直升机的4个舵机输入和位姿变量、运动变量的模型.设计实验采集和预处理得到辨识和验证所用的数据.通过辨识航向通道的动力学模型来说明模糊辨识在小型直升机建模中的可行性和有效性,并通过与最小二乘法辨识结果比较,表明该模糊辨识建模方法具有建模简单、模型精度高等优点.研究结果对小型直升机系统的建模和控制具有一定的实用价值.     

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     

正交最小二乘算法及其应用

介绍了正交最小二乘法的算法原理，同经典的最小二乘法相比，其数值稳定性好、计算量小，能节省大量存贮空间。应用了Ｈｏｕｓｅｈｏｌｄｅｒ变换、Ｇｉｖｅｎｓ变换和它的逆变换３种算法。根据残差矢量最小准则，将该法用于ＡＲＭＡ模型结构辨识和时变ＡＲ模型参数估计，取得了满意的仿真结果。     

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。     

基于估计参数辨识递推算法用于输出间断采样条件下的线性系统参数辨识

最小二乘法是用于连续采样条件下线性系统参数辨识的常用算法,但在间断采样条件下,最小二乘法存在很多不足.提出一种基于估计的参数辨识递推(EBRLS)算法,并从理论上分析了其收敛性.仿真研究表明,对于普通辨识算法无法处理的间断采样情况.EBRLS可以给出令人满意的参数辨识结果,甚至在可用数据极其稀疏的情况下仍然有效.     

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.     

滑动平均噪声干扰双输入多率系统最小二乘迭代辨识

研究了滑动平均噪声干扰的双输入多率系统最小二乘迭代辨识算法.首先推导出2个输入通道采样周期不相等的多率系统的离散时间状态空间模型,得出对应的传递函数模型.针对辨识模型信息向量中存在不可测噪声项的困难,利用最小二乘迭代原理,将未知噪声变量用其迭代估计值来代替,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.最后通过仿真例子比较了最小二乘迭代辨识算法与递推增广最小二乘算法的辨识效果,说明了所提出算法的参数估计精度较高.     

PSO-LSSVM分类模型在岩性识别中的应用

为了精确解决测井岩性识别问题,提出了一种将粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM)相结合对实际测井资料进行岩性识别的方法.首先使用粒子群优化算法对LSSVM建模过程中的重要参数进行优化调整,然后利用参数优化调整后得到的具有较优分类效果的PSO-LSSVM模型对某油田的测井资料进行岩性识别.实验结果表明:同基于交叉验证的支持向量机模型以及单隐层的BP神经网络模型相比,该方法能够很好描述测井数据和岩性类别之间的非线性映射关系,识别精度高,并提高了算法的自动化程度.     

基于粒子群优化的结构系统识别

研究了使用粒子群优化(PSO)算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性非凸的优化问题,通过PSO算法发现系统参数的最优估计.利用该方法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了识别,并与基于遗传算法(GA)的结构系统识别方法进行了比较.数值算例及比较结果表明:PSO方法易于实现且计算时占用资源低,并可以成功地对结构系统进行识别,识别效能十分优越.     

面向双馈风机的分层型免疫协同进化粒子群算法多参数辨识

双馈异步电机在实际工程运行情况下是一种高度非线性动态系统,并且由于其参数随环境的强变化性,常规方法难以实时得到其高精度参数。结合粒子群算法的高效多模态收敛性能以及免疫机理全局优化能力强等特点,研究了分层型免疫协同进化粒子群算法(co-evolutionary particle swarm optimization algorithm based on hierarchical-particle immune, HICPSO)智能计算模型参数。将该方法应用于双馈电机参数辨识与建模,提出了分层型免疫协同进化粒子群算法的双馈电机在线参数辨识。仿真结果表明该算法只需要采集控制过程中的数据,不需要数据手册的电机设计值等其他参数,且能在双馈电机运行实时跟随电机参数变化。     

基于改进粒子群算法的双馈感应发电机参数辨识

基本粒子群算法(PSO)存在早熟问题,且惯性权重对参数辨识结果的影响较大,为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法,并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DFIG中各参数的可辨识性和辨识难易度,给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较,该方法具有收敛速度快、辨识误差小的优点,即使在较大的搜索范围内仍具有较高的辨识精度。     

基于CFD与最小二乘法的翼伞动力学建模

襟翼偏转气动计算是翼伞建模的关键问题,为提高翼伞动力学模型精度,本文引入襟翼偏转气动模型,提出CFD数值模拟与最小二乘辨识相结合的方法:数值模拟借助动网格动态捕捉翼伞外形与姿态变化,获取襟翼偏转气动数据;最小二乘法进行模型参数辨识,修正翼伞气动计算.研究表明襟翼偏转气动模型较好反映翼伞气动规律,对应动力学模型与空投试验数据接近,验证本文建模方法的有效性,为翼伞精确建模提供新思路.      

文章编号：调整试飞阶段的某型飞机气动参数辨识实现方法

针对飞机调整试飞阶段质量特性数据变化较大的特点,以及飞行测试的限制,提出了一种气动参数辨识实现方法,该方法包括飞机质量特性数据的获得、飞行测量数据的重建等辨识数据的完善和成熟的辨识算法.并以某型飞机为例进行了纵向气动参数辨识,计算结果合理,表明该方法有效,具有很好的工程应用价值.     

基于微分演化的结构系统识别

研究了使用微分演化（DE）算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性优化问题,同时通过微分演化算法发现系统参数的最优估计。利用该方法在有限的输入输出数据和噪声污染条件下,同时在没有系统质量、刚度和阻尼先验知识的情况下对结构系统进行了识别,数值算例结果表明：DE方法易于实现且计算时占用资源低,同时可以成功地对结构系统进行识别。     

基于粒子群算法优化最小二乘支持向量机的网络安全态势评估

为了提高网络安全态势评估的准确性,提出一种基于最小二乘支持向量机和粒子群优化算法的网络安全态势评估模型.通过分析参数对最小二乘支持向量机性能的影响,并采用粒子群优化算法选择模型参数,建立网络安全态势评估模型,最后采用仿真对比实验测试模型的有效性和优越性.结果表明,本文模型获得理想的网络安全态势评估结果,可以为网络管理人员提供有价值的参考信息.     

基于PSO优化LSSVR的三维WSN节点定位方法简

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。