基于最小二乘递推算法的半主动悬架系统参数辨识

为了减少在实体建模过程中的误差,本文对半主动悬架系统进行参数辨识研究。在对悬架结构进行分析的基础上,基于ADAMS建立了半主动悬架减振控制系统的实体模型。采用最小二乘递推算法对悬架系统各指标参数进行辨识,辨识后的输出响应曲线与MATLAB输出曲线基本吻合。仿真结果表明:最小二乘递推算法可以有效地降低误差值,提高悬架系统实体建模的准确性,对进一步的悬架系统控制策略研究具有非常重要的意义。     

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.     

最小二乘辨识算法的并行计算及实现方法

以机器人自适应扰动控制中系统参数的辨识为模型，对逆归最小二乘辨识算法的并行计算进行了较深入的研究。结果算法的实施，提出了一种基于Ｉｎｔｅｌ８０９８单片机的多单片机结构，其中单端口写入、多端口读出的共享存贮器方案可命名微处理机间直接进行数据传输，有效地提高了数据的传输速率。     

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     

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。     

基于分段递推最小二乘估计的汽车质量辨识试验

基于电动轮驱动电动汽车平台道路试验,对一种新的汽车质量辨识算法进行了研究.该方法根据加速度传感器能够测量沿测量轴的重力分量的特点,排除了坡度对质量辨识的影响;根据加速度分段方法,分别利用两段递推最小二乘算法得到行驶阻力及质量的估计值.在电动轮驱动电动汽车平台上分别进行了沥青、塑胶及碎石路面上以及坡道上的试验,分析了行驶阻力与质量辨识的误差与收敛情况,并针对几种特殊工况对算法进行适应性改进.试验结果显示,不同质量及道路状态下的估计误差均在2.5%以下,表明所设计的辨识算法具有很高的估计精度,具有良好的工程应用价值.     

完整的最小二乘递推算法

利用广义逆矩阵的理论,本文给出了完整的最小二乘递推算法,并由此得到若干很有意义的推论.     

基于直接积分最小二乘法的同步发电机的参数辨识

针对同步发电机模型参数中多个不可观测量的存在使得需要求解复杂的微分方程组对电机参数进行辨识,进而导致了辨识困难,提出了一种完全由可观测量表示的同步发电机辨识模型,即状态量均为由发电机出口电流、励磁电压、励磁电流以及功角,转速变量增量表示的可量测量,并基于该模型提出用直接积分最小二乘原理(DILS)来辨识发电机参数.这样既避免了复杂微分方程的求解过程,简化了参数辨识方法,又提高了辨识效率.辨识后,利用MATLAB进行算例仿真,通过实测曲线和辨识曲线的拟合表明了所采用的辨识模型与算法是正确、有效的.     

基于Householder变换的复参数递推最小二乘估计方法

提出了一种基于Householder变换的复参数递推最小二乘参数估计方法.利用基本复Householder变换方法,研究了基于复Householder变换的递推复矩阵上三角化变换算法,针对上三角矩阵增加一行新数据后的复矩阵,提出了按列递推复矩阵上三角化变换算法,并给出了相应的算法证明.算例仿真结果验证了基于复Householder变换的复数最小二乘估计算法的有效性和可靠性.     

基于最小二乘法的递推回归

推导出基于最小二乘法的回归系数、总离差平方和、残差平方和、回归平方和的递推计算公式,在此基础上可计算决定系数和复相关系数,并进行回归方程的显著性检验和回归系数的显著性检验.在整个递推计算过程中,只有在第一步计算回归系数时需要求逆矩阵,其余步骤均不需要求逆矩阵,可大大减少计算量.     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

多重线性回归的最小二乘估计的递推算法

给出多重线性回归yi=β0+β1xil+…+βpxip+εi(i=1,2,…,n)的最小二乘估计的递推算法β(n)=β(n-1)=PnXn(yn-Xtnβ(n-1)Pn=Pn-1-Pn-1XnXtnPn-1β(0)=0,P0=αI(α>>1).这种算法是自适应的,也是均方收敛的.     

基于加权递推最小二乘法的微硬盘伺服信号滤波

针对微硬盘伺服信号的滤波问题,采用了一种加权递推最小二乘法.该算法使用最小二乘加权时间平均准则取代通常的最小均方误差准则,并利用该准则导出权向量的自适应迭代公式,算法保证在每步迭代运算中权值都能调整到最佳,同时降低了权值调整量对噪声的敏感程度.实验结果表明:该算法滤波效果好、抗噪能力强、稳态收敛精度高和收敛速度快,适用于诸如微硬盘驱动器之类对收敛速度及消噪要求较高的场合.     

一种基于滑动最小二乘法的精确同步方法

最小二乘拟合鉴相曲线的方法可以实现精确同步,但其只能工作在很小的误差范围内,适用范围窄。提出一种基于正斜率和误差平方和最小准则的滑动最小二乘精确同步方法,该方法在粗同步前后各一个码片范围内进行滑动搜索选出最优测量结果。分析和仿真结果表明,该方法具有很强的抗噪声能力,并且在粗同步误差较大时依然具有很高的测量精度。     

基于最小均方滤波的RTO预测算法

传统的传输控制协议(TCP)中的重传超时值(RTO)设置过于保守,且RTO预测算法对于往返时延(RTT)变化的响应过于缓慢,造成长时间的无谓等待,降低了带宽利用率。为了解决这些问题,该文提出了基于最小均方(LMS)滤波的预测算法。为了验证新算法的性能,选择了大量有代表性的网址进行试验,对新旧两种算法的预测结果进行比较,并做了性能分析。试验结果证明,该文提出的算法相比于原算法,具有能很快达到稳定,稳定后的预测误差小,对RTT变化的响应快等特点,提高了传输性能。     

基于最小均方滤波的RTO预测算法

传统的传输控制协议(TCP)中的重传超时值(RTO)设置过于保守,且RTO预测算法对于往返时延(RTT)变化的响应过于缓慢,造成长时间的无谓等待,降低了带宽利用率。为了解决这些问题,提出一种基于最小均方(LMS)滤波的预测算法。为了验证新算法的性能,选择了大量有代表性的网址进行试验,对新旧2种算法的预测结果进行比较,并做了性能分析。试验结果证明,所提出的算法相比于原算法,具有能很快达到稳定,稳定后的预测误差小,对RTT变化的响应快等特点,提高了传输性能。     

反正切函数联合参数的凸组合最小均方滤波算法

为解决传统最小均方自适应滤波算法联合参数λ(n)运算量大、收敛速度慢的问题,提出一种基于修正的反正切函数的凸组合最小均方滤波算法,并应用Matlab软件对不同信噪比算法进行仿真比较。结果表明:该算法在保证运算量的前提下,能够加快算法的收敛速度及减小其稳态误差。反正切函数联合参数的凸组合最小均方滤波算法具有更好的滤波性能。     

基于遗传算法的热物性参数辨识

为了提高热物性参数辨识的准确度,将遗传算法(genetic algorithm)应用于热物性参数辨识,提出了完整的数学模型.数值模拟结果表明,此法具有相当的精确度,不但没有造成噪声放大,而且还对噪声进行了过滤,使得输出噪声比输入噪声小了许多,成功克服了反问题中误差累积放大的弱点.本算法应用的唯一前提是相应的正问题可解.该算法很容易应用到其它热物性参数辨识和其它类型的反问题中.