一类基于非平稳噪声参量估计的时变系统参数辨识

对于未知噪声时变统计特性的时变动态系统，论述了一类基于非平稳噪声参量估计的时变系统参数辨识算法．该算法包括三部分，通过在线状态估计，构造残序列模型，试图从测量信号中分离出非平稳噪声，在线估计噪声时变均值和方差，用于整个改进算法的实现．仿真例子验证了该方法的有效性．     

一类随机系统的自适应滤波

讨论一类含时变未知参数的随机系统，给出该系统在系统状态噪声与量测噪声于有限时间区间上相关情况下的自适应滤波递推公式，并给出相应的滤波算法     

一类随机系统的自适应滤波

讨论一类含时变未知参数的随机系统，给出该系统在系统状态噪声与量测噪声于有限时间区间上相关情况下的自适应渺茫皮递推公式，并给出相应的滤波算法。     

时变时滞系统自适应预报鲁棒控制算法

本文提出一种适合于时变时滞系统的极点配置最优预报自校正PID鲁棒控制算法。理论证明及数字仿真的结果表明该算法具有鲁棒性好、抗干扰能力强、能够克服时变时滞和时变参数对系统性能的影响等特点。     

带未知时变噪声的非线性系统卡尔曼滤波器算法研究

针对带有未知时变噪声的非线性系统的状态估计问题，详细研究了基于有限差分和未知时变噪声估计器的扩展Kalman滤波器算法。仿真结果发现，该算法具有滤波精度高，数值计算稳定等优点，但系统状态估计对初始误差较敏感。     

工业管线腐蚀模型的辩识

讨论了工业管线腐蚀模型的辨识问题。在曲线拟合模型的基础上，提出了参数估计的双层递推算法和相应的时变参数预报算法。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

时变系统的Laguerre模型辨识及设计变量（2） ——Kalman滤波法

文章考虑动态线性系统的时变参数是平稳的AR（1）变量，系统为时变的Laguerre模型时的传递函数估计的均方误差（MSE）。在缓慢时变和高阶模型下，利用Kalman滤波算法，得到MSE的近似表达式。最后得到了Kalman滤波算法的设计变量的最优解。     

广义极点配置隐式自校正控制器

本文提出一种隐式自校正控制经是基于模型和辅助系统ｄ步前向预报，将闭环极点设定在所希望位置，控制器是由辅助系统推出，其参数由对象参数调节，该控制器量种独立、隐式控制算法、仿真表明，对于时变非最小相位系统都具有强鲁棒性及良好动态响应。     

块脉冲算子及其在控制理论中的应用(Ⅱ)——非线性时变系统中时变参数的递推辨识

本文利用(Ⅰ)中所提出的块脉冲算子,来讨论非线性时变系统中时变参数的辨识问题。以两类典型的系统(双线性时变系统和多项式时变系统)为例,分别给出了时变参数的递推辨识算法及计算机模拟结果。这种算法计算简便、精度较高。本文并进一步概括出应用这种方法去获得一般非线性时变系统参数辨识算法所应遵循的步骤,为获得更广泛的非线性时变系统的参数辨识算法,提供了新的途径。     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法，在该算法中，先用BP神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模及控制的问题，仿真结果验证了这一新型算法的可行性。     

补偿预测误差的非线性系统广义预测控制

将一类非线性系统等价表示为时变线性系统,研究了非线性系统的广义预测控制。利用三次样条基函数多项式逼近时变系数,将时变参数的估计转化为定常参数的估计。为了提高输出预报精度,采用小波网络对预报误差进行预测,作为输出预报的补偿。仿真研究结果表明了所提方法的有效性。     

基于EM算法的随机动态系统建模

提出一种在噪声统计信息未知的情况下,对随机动态系统模型进行建模的方法.采用状态空间模型描述随机动态系统,模型的参数通过EM算法进行估计,通过改进该算法中的Kalman滤波,实现了对噪声协方差矩阵的估计.基于改进的Kalman滤波,EM算法可以用于噪声统计信息未知的动态系统建模.     

基于BP网络的反馈控制器设计

针对常规反馈控制器参数在对象时变情况下难以获得最优的问题，利用BP神经网络构成系统反馈控制器，通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型，并利用Lyapunov方法给出了该算法的收敛的条件。将算法应用于循环水温度控制系统表明：该控制器对模型参数不依赖，能有效地适应控制对象参数的变化，系统具有较强的鲁棒性。     

时变多变量系统阶次和参数的同时辨识

通过引进时变遗忘因子，该文提出了一种时变多变量系统的结构和参数的同时辨识算法，该算法结构简单，跟踪参数变化速度快，同时又兼备ＵＤ分解的良好计算品质。     

时变系统的Laguerre模型辨识及设计变量(1)

文章考虑动态线性系统的时变参数是平稳的AR（1）变量，系统为时变的Laguerre模型时的传递函数估计的均方误差（MSE）。在缓慢时变和高阶模型下，利用随机梯度算法，得到MSE的近似表达式。该文利用Laguerre模型取代FIR模型，减小了MSE，降低了模型的阶次，最后讨论了随机梯度算法的设计变量的优化问题。     

广义时变系统的最小二乘辨识方法

根据工程背景 ,提出了广义时变参数系统的概念。广义时变系统是指参数随系统可测扰动量变化的一类时变系统 ,即参数是系统可测扰动量函数的时变系统 ,提炼出这类时变系统的数学描述模型。根据最优化技术 ,导出了这类模型的两种辨识方法 ,即最小二乘型算法和随机梯度型算法 ,并应用鞅超收敛定理分析了算法的收敛性。分析表明 :由于该方法同时还利用了系统扰动量所含的信息 ,因而可以给出时变参数的一致估计。数字仿真验证了提出方法用于估计广义时变系统的参数是有效的。     

用于非线性时变系统噪声统计Q、R阵估计的新方法

提出了一种估计非线性时变系统过程噪声协方差阵Q和观测噪声协方差阵R的新方法.扩展卡尔曼算法结合前馈神经网络的非线性时变系统辨识过程中,噪声统计Q、R阵的估计是影响系统建模和预测精度的关键因素之一.本文所提出的估计噪声统计Q、R阵方法是基于协方差匹配技术,将M ehra估计定常系统噪声统计的方法推广到一般的非线性时变系统.仿真结果显示了本文方法的有效性.     

基于梯度的扰动时变系统辨识算法及其收敛性

根据工程背景,提炼出了一类时变系统(亦称为广义时变系统或扰动时变系统)的数学描述模型．扰动时变系统是指参数随系统可测扰动量变化的一类时变系统．利用梯度搜索原理,提出了这类时变系统的投影算法、随机梯度和遗忘梯度辨识方法,并应用鞅超收敛定理分析了算法的收敛性．由于提出的随机梯度算法同时还利用了系统扰动量所含的信息,因而可以给出时变参数的一致估计．数字仿真验证了提出方法的有效性．