基于MATLAB的最小二乘法系统辨识与仿真

将MATLAB应用到系统辨识中,在分析最小二乘法的基本原理和推导过程的基础上给出了系统辩识中算法参数估计的递推公式,并进行了实例仿真.     

基于最小二乘偏差补偿法的舵机模型参数辨识

舵机作为无人旋翼机一个重要的执行机构,控制着旋翼机飞行姿态与轨迹的改变,为建立舵机的数学模型,提出了基于最小二乘偏差补偿法辨识伺服舵机的模型参数。在研究了伺服舵机的结构与工作原理的基础上,首先建立舵机各组件模型,综合得到舵机的系统模型;然后采用最小二乘偏差补偿法辨识模型参数。实验仿真验证了该方法具有较高辨识精度与有效性。     

基于最小二乘法在线参数辨识的异步电动机矢量控制仿真

为取得高性能的异步电机矢量控制,将一种基于最小二乘法在线辨识异步电机参数的方法运用到矢量控制系统中.这种基于最小二乘法异步电机参数辨识方法是在转子坐标系下进行的且不需要电机转子磁链参数,只需要定子电压、电流和转速参数.文章通过Matlab/Simulink对基于最小二乘法的参数辨识的异步电动机矢量控制系统进行了仿真,仿真结果表明:这种电机参数辨识方法能够实时更新电机控制参数,改善了矢量控制系统的性能.     

最小二乘法原理及其简单应用

最小二乘法是从误差拟合角度对回归模型进行参数估计或系统辨识,并在参数估计、系统辨识以及预测、预报等众多领域中得到极为广泛的应用。然而,最小二乘法因其抽象、难懂常常被大家所忽视。本文就最小二乘法的引入,原理的证明,简单的应用进行归纳和总结,使读者对最小二乘法有更为清晰、系统、全面地认识。     

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.     

基于最小二乘法的飞行员模型参数辨识

针对飞行员与飞机相匹配的特点,采用最小二乘法对飞行员模型进行参数辨识.根据Hosman感知模型的特点,确立待辨识参数,为提高辨识精度,重点分析了辨识数据野值的剔除和补正.在俯仰工况下,利用最小二乘递推算法辨识参数,并在研究用Boeing 737-800飞行模拟机上对该方法进行了试验验证.结果表明,飞行员模型的仿真输出曲线与飞行测试数据之间的升降舵角度误差小于0.3°,俯仰角误差小于0.5°,说明通过该方法获得的模型参数能够反映飞行员实际的操作行为.     

诱发脑电的ARX参数模型辩识

本文分析了诱发脑电的ARX模型(带外输入的自回归模型),指出其参数的最小二乘估计(LS)的有偏性。提出分步辩识方法,充分利用刺激前脑电信号,可得到参数的无偏、一致有效估计。用计算机仿真检验了理论分析。然而,在ARX模型下,模型参数的无偏估计并不保证诱发脑电波形估计的无偏性,我们推荐一个新的模型,可以得到诱发脑电波形的无偏估计。     

使用特征域对SISO单输入输出滞后系统参数的辩识

针对单输入输出的SISO系统参数辨识,引入特征领域的概念,推导出了特征域值与系统参数的关系式,因此,提出了一种低阶滞后系统开环辨识的方法。同时,对外部干扰对系统参数辨识的影响进行了分析。     

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     

无记忆非线性系统参数估计及空间位置辨识仿真分析

以无记忆非线性系统为研究对象,将非线性响应力作为外部载荷,将其与外力和响应位移一起构成多输入单输出系统;然后给出适用于空间任意位置的非线性单元参数估计方法;最后基于“反向路径法”和重相干函数给出利用随机激励和响应信号辨识非线性单元空间位置的方法,并通过两个仿真案例进行验证。结果表明,非线性单元参数估计方法可准确计算非线性系统的强迫响应,并实现非线性单元空间位置的准确辨识和参数的准确估计。     

一种温度对象参数辨识方法及仿真研究

对象参数辨识是高精度温度智能控制的关键技术之一.介绍一种在阶跃激励条件下,利用系统响应曲线上等间隔三组测量数据来识别被控对象参数的方法,推导出了参数辨识的计算公式及公式应用判断条件.通过计算机仿真实验,获得了辨识对象参数的阈值取值范围,结果显示即使在较强噪音情况下,仅对采样信号使用平均值滤波,就可获得满意的参数识别精度.     

非线性振动系统参数识别的频响函数

在不同激励，不同共振情况下，非线性系统的一次近似频响函数是不同的，有的包含了系统的的全部参数，有的只包含了部分参数，本文研究了多自由度非线的一次近频响函数的形式以及用它们来识别系统参数的可能性。     

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.     

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.     

不确定自治系统同步及其参数识别

对一混沌系统的同步问题进行了研究,基于稳定性理论构造了一种参数识别器和同步控制器。数值仿真说明利用该方案可以实现参数未知的自治系统与Chen混沌系统的完全同步,并且不确定自治系统的全部参数得以识别。     

基于高精度模态环境振动测试及导入最佳平差参数的桥梁在线抗弯刚度识别方法

提出了一种基于高精度低阶测试模态对桥梁构件抗弯刚度通过导入最佳参数进行平差的最小二乘解识别方法。通过对混凝土试验梁及一座3跨变截面连续箱梁抗弯刚度现场检测及数值模拟计算,结果表明,此方法有效地抑制了模态振型测试误差对识别精度的过度影响,即使对1．5％的锯齿形严重模态振型误差及20％的偶然模态振型误差,识别精度都在6％左右,较好地满足工程精度要求。此外,通过多例模拟数值计算表明锯齿形模态振型误差可作为识别精度的控制性误差。     

车用锂离子电池荷电状态参数辨识的建模仿真

为得到较为准确的电池荷电状态（SOC）参数,以厦门理工学院纯电动赛车用锂离子电池作为研究案例,采用二阶RC等效电路模型对锂离子电池进行HPPC充放电试验;然后,将实验数据导入Matlab的参数估计模块后,对电池荷电状态性能参数进行辨识。在Matlab的Simscape模块中建立锂离子电池的仿真模型,将仿真结果与实验结果进行比较,利用拟合工具箱对比不同阶次下RC等效电路模型的拟合精度。结果表明,锂离子电池的电压在放电脉冲开始及结束阶段时偏差较大,静置阶段则趋于平稳,二阶RC等效电路模型能够较为简便地反应锂离子电池的工作特性,且具有较好的拟合精度。锂离子电池仿真模型与实验测试的误差在2%以内,验证了所建立的仿真模型的可行性。     

超级电容器时变等效电路模型参数辨识与仿真

为能更准确地描述超级电容器在工作过程中的外特性,在超级电容器经典等效电路模型的基础上,将其扩展为模型参数随时间变化的时变等效电路模型,并选用限定记忆最小二乘法辨识模型的时变参数.在Matlab/Simulink环境下利用实验数据对经典等效电路模型和时变等效电路模型进行仿真比较.结果表明,时变等效电路模型具有更高的精度,可以更精确地反映超级电容器的动态特性.     

基于自适应神经模糊推理系统的非线性系统辨识与仿真

针对非线性系统的模糊性、不确定性等特点，将模糊推理系统和神经网络相结合，介绍了一种自适应神经模糊推理系统，并将其应用于非线性系统辨识中，仿真结果表明：训练后的ANFIS能够很好地逼近实际的非线性系统，并且辨识精度高。