多变量系统子子模型辨识

目前,对多变量系统辨识的研究已经越来越多,但是,基本上都属于子模型的辨识问题,不便于实际应用.本文采用子模型与子子模型技术,将一个有R个输入,m个输出的多变量系统分解为M个带R个输入的子模型,而每个子模型又可分解为R个子子模型(单输入单输出系统).在多变量系统中,只要做一次试验(同时加入月个输入信号),使用月个输入信号与M个输出信号的数据,可以自动辨识子模型的阶次与参数,再从子模型的有关数据,最终辨识出子子模型的阶次与参数.本文采用分块矩阵求逆公式,提出一种快速的自动定阶与估计参数的递推算法.     

表面建筑材料吸放湿特性的辅助变量辨识

建立了以材料表面空气相对湿度为输入，材料湿容量为输出的建筑围护结构材料动态湿特性单输入单输出辨识数学模型，得到相应的Z传递 函数模型。建造了建筑围护结构材料的辨识试验系统。采用辅助变量辨识方法辨识得到单输入单输出差分方程和Z传递函数。并比较了最小二乘辨识法和辅助变量辨识法的辨识结果。结果表明，辅助变量辨识法辨识精度有所提高，系统阶降低。     

基于hat函数运算矩阵的分数阶系统辨识

本文采用了一种新的辨识方法辨识单输入单输出线性时不变分数阶系统。这种方法利用hat函数的运算矩阵将分数阶微分(积分)方程转变为代数方程。它不仅能辨识系统的参数还能辨识分数阶系统的任意阶的阶次,解决了目前一些方法不能同时辨识参数和阶次的难题,而且能大大减少辨识过程中的计算量。为了证明方法的有效性,采用一些实例进行验证,仿真结果显示了此方法的合理性和准确性。     

含非线性摩擦的伺服系统连续模型直接辨识

为准确描述伺服系统的动态特性与摩擦非线性,提出了一种非线性连续模型直接辨识方法. 该方法以离散输入输出数据与速度方向的逻辑值作为辨识输入,通过等价变换将未知参数都转移到模型的线性部分中,再运用基于状态变量滤波器的直接辨识法求得未知参数,从而获得伺服系统的非线性连续模型. 通过仿真及在双向转台伺服系统的实验表明,该方法在有噪声的情况下仍能准确辨识出非线性连续模型,能准确描述伺服系统的动态特性.     

广义约束神经元网络模型系统结构参数辨识(英文)

系统参数的辨识有助于帮助提高系统的透明性,从而增强系统的可控能力;如何提高系统参数的辨识能力是一个非常重要的课题,目前在单输入单输出(SISO)参数辨识上已经取得了一些成果.通过分析广义约束神经元网络模型,结合已有的一些理论,经过推理总结得到了m输入n输出(MINO)系统以及多输入多输出(MIMO)参数的辨识理论方法.经过实际验证,它为提高"黑盒"的透明度是可行的.该理论的提出,有助于提高广义约束神经元网络模型参数的辨识能力,进一步提高了神经网络"黑盒"系统的模型识别能力.     

SISO、CARMA模型的快速辨识方法

本文给出了一种单输入、单输出CARMA模型的结构辨识方法。该方法采用了作者提出的改进的Durbin二步算法(新息修正最小二乘算法)进行参数估计,F检验确定模型阶次。提出的方法充分运用了中间结果和统计检验手段;同时改进了文献[3]中删除零参数的方法。从而能以较少的计算量,得到全局P相容的参数估值、模型的子阶与时滞。仿真实例表明了算法的有效性。     

液压位置系统的时间序列分析

本文讨论了用CAR时间序列模型来辨识液压系统的阶和参数。文中提出了AIC定阶准则和辅助变量法结合,来确定模型阶和参数的方法,进一步根据估计参数的渐近正态性确定模型的子阶和时滞。文中应用该方法辨识了液压位置系统的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是有效的。     

伺服系统Hammerstein非线性模型及参数辨识方法研究

在伺服系统建模中,针对线性模型无法表达系统在低速、运动换向条件下摩擦与死区等非线性现象的问题,采用包含静态非线性部分和动态线性系统的Hammerstein模型来代替线性模型对伺服系统进行了描述.根据静态非线性模型逼近伺服系统的非线性特性,非线性模型采用分段非对称多项式基函数来解决摩擦在运动中存在的非对称特性.对于多频率正弦输入信号和伺服系统的速度输出信号,由迭代最小二乘方法来估计模型的参数.通过辨识实验中的线性模型和Hammer-stein模型的输出,说明采用Hammerstein模型方法能有效地对系统非线性部分建模,Hammer-stein模型的输出误差比线性模型的输出误差约减少90%,因此显著地提高了系统的模型精度,实现了对系统非线性动态行为的精确预测.     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

基于ＳＯＲＡ 的多学科协同优化可靠性优化方法

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

过采样方法在系统辨识中的应用

为了对带噪输出的控制系统进行盲辨识，提出了一种利用过采样法辨识控制系统函数的方法，通过过采样控制系统的输出信号，将原单输入单输出系统转换成为一个新的与原系统具有相同输出极点的单输入多输出系统，再估计出这个新的单输入多输出系统的传递函数，最后得到原单输入单输出系统的模型参数，仿真结果表明，与常用的高阶矩法相比，该方法具有不受系统结构影响，不需要计算样本数据的高阶统计矩，使用的样本数据量少，便于计算机实现的优点。     

Hammerstein模型非线性环节折线表示辨识方法研究

以单输入单输出非线性系统Ｈａｍｍｅｒｓｔｅｉｎ模型为对象，研究了一种基于非缄性环节折线近似表示的辨识方法，该法对三位式伪随机序列的构造辨识激励信号，可辨识出非线性静态环节参数和线性动态环节参数的一致估计值。     

一维CMAC网在SISO机构系统辨识中的应用

叙述了一维小脑模型关节控制器(CMAC)的结构、参数确定方法及学习算法,讨论了以一维CMAC网作为单输入单输出(SISO)机构的系统模型进行系统辨识的原理及方法。以曲柄滑块机构为例,对一维CMAC网作为机构模型的系统辨识进行了MATLAB仿真,取得了较好效果。     

多输入动态调节系统的正交匹配追踪迭代辨识算法

针对含有未知时滞的多输入单输出动态调节系统,基于过参数化后系统参数向量的稀疏特性,在有限测量数据下,将压缩感知理论和递阶迭代思想相结合,提出一种正交匹配追踪迭代辨识算法。该算法可以辨识多输入动态调节系统的未知时滞、参数和部分阶次。研究结果表明:与最小二乘迭代算法相比,该算法不需要大量的采样数据,可以节约采样成本,提高辨识效率。该算法能够有效地估计这类系统的参数与时滞。     

近海可再生能源综合发电场的非机理等效建模

为了建立准确的近海可再生能源综合发电场等效模型,提出了非机理建模方法。基于传递函数建立非机理等效模型,描述输入、输出的非线性关系。提出解耦参数辨识方式,并运用蚁群算法进行参数辨识。在Matlab/Simulink中搭建由风力发电机组、潮流发电机组和波浪发电机组组成的近海可再生能源综合发电场的相量模型,采集发电场模型在风速、潮流流速、波浪以及电压扰动影响下的输入输出数据。根据输入、输出数据建立传递函数模型,辨识模型参数,根据所得参数计算等效模型输出。等效模型输出与仿真模型输出的误差较小,验证了非机理等效建模方法在近海可再生能源综合发电场建模中的可行性。     

自适应模型跟随系統的一种設计方法

本文在文献[1]的基础上设计模型参考自适应系统。根据自适应模型跟随系统与自适应参数辨识系统间存在的对偶关系,采用模型状态反馈代替对象状态反馈的方法,使得在某些对象状态不能直接观测的情况下不用低噪声微分器设计自适应模型跟随系统成为可能。本文还简要地证明了单输入单输出无零点系统在可控、可观及模型与对象阶次相同的条件下是必然能达到“完全模型跟随”的。最后给出了按本文方法设计的系统及仿真结果。     

基于组合信号的Wiener-Hammerstein系统辨识

针对噪声干扰条件下的Wiener-Hammerstein系统,提出一种基于组合信号的两阶段辨识算法用于辨识Wiener-Hammerstein系统各个环节参数.利用自回归(autoregressive, AR)模型和有限脉冲响应(finite impulse response, FIR)模型分别建立Wiener-Hammerstein系统的输入和输出线性环节,利用多项式模型建立非线性环节.在第一阶段,基于高斯信号的输入和输出,采用相关性分析方法辨识Wiener-Hammerstein系统中输入和输出线性环节的参数,有效解决了中间变量不可测的问题.在第二阶段,基于随机信号的输入和输出数据,利用递推最小二乘法辨识非线性环节参数.仿真结果表明,提出的两阶段方法能够有效辨识Wiener-Hammerstein系统,与其他辨识方法相比,辨识精度有所提高.     

最佳状态反馈的液压伺服系统研究

本文研究最佳状态反馈液压伺服系统的模型、设计方法、仿真和试验结果。被控的伺服机构用一个5阶的状态方程和不同的输出方程来描述,采用CAD技术计算最佳反馈系数。作为一个例子我们研究了一个用本文所提出的方法构造的液压伺服振动台,研究的结果表明,最佳状态反馈的液压伺服系统的动态性能大大优越于非最佳反馈系统。     

基于盲辨识理论的双通道肌电信号建模与分类

基于肌电信号产生机理 ,对双通道前臂肌电信号建立单输入多输出 IIR系统模型 ,由于模型输入未知且不可测 ,采用了盲信道辨识方法对模型传递函数进行辨识 .通过提取模型参数作为信号特征 ,能够对握拳、展拳、前臂内旋和前臂外旋四类前臂动作进行识别 .实验表明 ,该方法运算量小 ,适合在线实现 ,性能要优于传统的 AR模型方法