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。     

基于改进黑猩猩算法的解析Preisach模型参数辨识

解析Preisach模型解决了Preisach模型因离散 Everett 函数造成的测量误差大,数值不稳定的问题,但是解析Preisach模型同时存在参数多,辨识复杂的问题。针对上述问题,本文提出一种融合多策略的改进黑猩猩优化算法,来实现对解析Preisach 模型的参数快速、精确辨识。该算法首先应用改进的logistic映射和动态反向学习策略进行种群初始化;其次提出一种新的动态非线性递减收敛因子平衡全局搜索和局部开发能力;再次将差分变异引入到种群个体位置更新中,增加种群多样性、扩大搜索范围;最后使用随机变异策略对全局最优位置进行扰动更新,跳出局部最优。结合实验数据,分别使用遗传算法、黑猩猩算法与本文所提算法对解析Preisach 模型参数进行辨识,并基于辨识结果对取向硅钢片的磁滞回线进行模拟。通过磁滞回线拟合度、迭代次数与适应度值等三方面的结果对比可得,本文所提算法在解析Preisach 模型的参数辨识上兼具辨识精度高、收敛速度快的优点。
关键词:解析Preisach模型;Everett函数;参数辨识;改进黑猩猩优化算法;磁滞回线     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化(PSO)算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点.针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识.该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识.利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明:改进的PSO算法用于岩石蠕变模型的参数辨识是有效的.     

汽车侧面碰撞模型的非线性动力学参数辨识

为了在汽车侧面碰撞动力学系统模型中,获得一些无法通过试验方法直接获得的未知系统特性参数,采用了参数辨识技术,它是根据动力学系统在特定的载荷作用下的输出响应,确定动力学模型中的未知特性参数;介绍了一种基于卡尔曼滤波法的非线性动力学参数的辨识方法,并将其应用于汽车侧面碰撞模型的参数辨识中。利用辨识出的模型参数计算出模型的输出响应,该响应与仿真试验数据吻合良好,表明该方法是非线性动力学参数辨识的有效手段。     

基于Iwan模型的螺栓非线性接触建模与参数辨识

针对传统螺栓连接模型计算精度不高和螺栓结构动力学模型参数辨识问题,通过引入六参数Iwan模型,研究了螺栓连接力-位移关系方程,绘制Iwan模型非线性力-位移关系曲线。采用万能试验机拉伸实验与振动实验平台激振试验结合,识别构建的模型参数,实现模型构建。实验结果表明,随着螺栓直径的增加,宏观滑移残余刚度会随之增加,模型能量耗散减小。研究结果可为螺栓结构设计分析与计算提供参考。     

橡胶减振器非线性动力参数辨识

将非线性系统的刚度,阻尼分别展开为位移和速度的多项式级数,在导出广义频率响应函数的近代计算公式的基础上,构造了实验条件下结构非线性物理参数的辨识方程,实现了在恒幅正弦扫描激励下对橡胶减振器参数的辨识,并对结果进行了讨论分析。     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

基于改进遗传算法的电阻炉模型参数辨识

由于电阻炉模型为非线性模型,使得参数辨识非常困难。因此针对该模型提出了一种基于改进遗传算法的模型参数辨识方法,并通过MATIAB仿真对辨识方法进行验证,结果表明该方法有效可行。     

树型传输网单故障分支识别的节点分析算法

本文提出了树型传输网单故障分支识别的一种新算法──节点分析算法，该算法使编制故障分支识别的组态软件变得简单、可行。     

改进的小波分解LMS算法在非线性系统辨识中的应用

对基于小波变换的自适应滤波技术中较为先进的D-LMS（Decomposition Least Mean Square）算法进行改进,推导出一种变步长D-LMS算法。通过建立非线性系统模型,在基于MATLAB的仿真实验中,分别得出原D-LMS算法和改进算法的系统辨识图形和数据。结果表明,两种小波分解自适应算法都能够很好的对非线性系统进行辨识,而改进的变步长D-LMS算法的收敛速度及跟踪速度更快,稳态误调噪声较小,即辨识结果更加精确。     

基于改进遗传算法的递归神经网络模型辨识

将递归内时延神经网络应用于非线性动力学系统中，引入遗传算法作为其学习算法，提出遗传算法新的编码方案，并且在遗传操作中采用适应度的调整策略，通过仿真实验，表明该方法是有效的。     

非线性模型线性化的度量准则及其应用

应用非线性回归经典理论,阐述非线性模型线性化的标准。用固有非线性和参数效应非线性作为判断准则,可加快模型拟合的速度,提高精度,为林木生长模型的参数辨识提供较好的方法。该判断准则实用、简单、准确、结论唯一。     

航空发动机非线性数学模型的遗传算法

针对发动机非线性数学模型数值解法的收敛性问题应用了浮点数编码遗传算法，提出了将遗传算法与Broyden法相结合的方法。数值仿真结果表明，单独使用遗传算法时运算效率不高，而将遗传算法与Broyden法结合使用可有效的克服各自的不足，使得模型在保持原有运算效率的情形下扩大了收敛范围。     

决策树算法在电网报警信息处理中的应用

电网调度中心报警信息中的大量噪声信息不仅加重了调度员的工作量,而且严重影响了事故异常处理的准确性和快速性。为了对报警信息进行噪声滤除,分析了决策树算法中C4.5算法的信息增益率的计算原理和特点,针对其计算量大的特点,对原C4.5算法进行改进,使其在相同准确率的情况下有更高的计算效率。将改进后的C4.5算法应用到报警信息噪声处理中。     

基于改进免疫算法的微硬盘双级控制模型辨识

微硬盘伺服系统的双级控制器由音圈马达和微致动器中各自的控制器构成,双级控制器技术对改善磁头的跟踪速度和定位精度比单级控制技术更具有重要的现实意义.为此,基于PD控制,设计音圈马达的控制器的结构,基于滞后超前控制设计微致动器的控制结构,利用免疫算法辨识模型中的参数,提出微硬盘双级控制器.数值实验、比较表明,在由改进的免疫算法所得控制器的作用下,双级控制系统中磁头输出能较准确地跟踪参考信号,且跟踪速度快、定位精度高和噪声衰减能力强.     

非线性位移时间序列分析模型的进化识别

引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的岩土结构变形非线性动力学演化特征的进化识别算法·设计了能自动确定输入时步长度以及非线性动力学模型结构和参数的分步进化方案,对非线性时间序列分析模型的结构和参数进行全局最优搜索·将该方法用于三峡永久船闸高边坡开挖变形的预测分析,取得了满意的效果,提供了一个有效的岩土工程设计与施工的分析工具·     

基于改进遗传算法的非线性方程组求解

 采用种群隔离机制、最优保持策略、算术杂交、自适应随机变异和异种机制等方法对遗传算法进行了改进。在保持遗传算法仅需目标函数值信息即可求解这一优点的基础上,这一改进方法增强了遗传算法的局部搜索能力。将该方法应用于非线性方程组的求解。数值算例表明,该方法能够求解以非线性方程为等式约束的〖JP2〗最优化问题。此外,异种机制的引入加快了遗传算法的收敛效率,有效提高了遗传算法收敛于全局最优解的概率。     

非线性输出频域响应函数的自适应辨识算法及应用

为解决非线性输出频域响应函数(NOFRF)模型用于模拟电路系统故障诊断时,传统辨识算法需多次激励计算过程耗时长的问题,提出了NOFRF的频域自适应辨识算法(NOFRF-BLMS),该算法构造了NOFRF的输入观测向量与核向量,从而可将NOFRF表示成一个伪线性结构.根据块最小均方(BLMS)原理及约束优化理论,推导出满足最小均方误差指标的NOFRF自适应辨识迭代计算公式,采用输入功率普迭代估算学习因子,由输出误差构造残差向量.NOFRF-BLMS通过在线学习方式,只需一次激励即可辨识出NOFRF,使辨识过程大幅度简化,缩短了辨识时间,具有更强的噪声抑制能力.实验结果表明,NOFRF-BLMS在相同的辨识精度下,耗时仅为传统算法的3%,且故障判断准确.