用模型扩展法辨识具有非平稳扰动的系统

在辨识实际系统时,非平稳噪声扰动是较多见的。目前用得较多的预滤波处理法由于受到一些先验知识的限制,常常得不到较好的辨识结果。本文通过对一类非平稳随机过程的描述,提出一种扩展辨识模型的修正辨识算法,可在不作滤波预处理的情况下,得到非平稳噪声扰动下系统参数的无偏估计。仿真试验证明了修正算法是简单可行的,且仍可在平稳随机噪声条件下使用。     

非高斯非平稳噪声背景下杜芬系统动力学仿真研究

研究非高斯非平稳噪声背景下非线性系统在微弱周期信号摄动下的混沌动力学行为,仿真过程证明被噪声污染的微弱周期信号使混沌系统的动力学行为变化很小;非高斯非平稳噪声对周期运动的影响较为明显。研究了微弱周期信号和非高斯非平稳噪声信号联合摄动下的混沌运动特征。     

一类非自治系统的平稳振荡

本文对一类非自治高维系统     

时变AR模型阶数确定与系数估计的方法

研究了用时变自回归(TVAR)模型对非平稳信号建模的方法.对该模型进行详细分析,探讨了参数模型辨识存在的2大问题:模型阶数的确定和基函数的选择.基于现定阶准则只适用于短时平稳信号的分析,所以利用具有时变特性的信息理论准则(information theoretic criteriaI,TC)来确定模型的阶数.通过引入基函数,利用最小二乘算法对模型系数进行估计,从而将非平稳信号的时变模型转化为线性时不变模型,并比较了几种基函数的拟合性能.证明了由于墨西哥草帽小波基函数具有良好的时频特性并且在使用时无需预知信号的先验信息,从而优于其他传统的基函数.     

一类非自治系统平稳振荡的充分判据

对ｎ 维非自治系统 ｘ＝ ｆ（ｔ,ｘ） ＋ ｇ（ｔ,ｘ） ＋ Ｈ（ｔ）其中ｘ ∈ Ｒｎ,ｆ（ｔ,ｘ）,ｇ（ｔ,ｘ ） 是定义在 Ｉ（０ ≤ ｔ＜ ＋ ∞） × Ｒｎ 上的ｎ 维连续向量函数,且ｆ（ｔ ＋ ω,ｘ） ＝ｆ（ｔ,ｘ）,ｇ（ｔ ＋ ω,ｘ） ＝ ｇ（ｔ,ｘ）, Ｈ（ｔ） 是 ｎ × １ 矩阵且 Ｈ（ｔ ＋ ω） ＝ Ｈ（ｔ）,常数 ω＞ ０,ｆ（ｔ,ｘ） 对ｘ 具有一阶连续的偏导数,ｇ（ｔ,ｘ） 关于 ｘ 满足 Ｌｉｐｓｃｈｉｔｚ 条件。利用矩阵测度的性质,通过建立对线性系统解的估计形式,得到了这类系统平稳振荡的充分判据。给出的例子表明,本文的方法简捷明了。     

非高斯平稳有界噪声激励下混沌系统动力学研究

为解决信号检测理论在通讯、雷达、声纳、故障诊断等领域应用受限的问题,提出了随机Melnikov方法研究非线性系统在微弱周期信号和噪声信号联合摄动下的混沌运动行为,得到了微弱周期信号和非高斯平稳有界噪声信号联合摄动下的混沌运动特征.混沌的临界幅值与噪声强度的关系表明,在不强的非高斯平稳有界噪声背景下,有界噪声增大了激励阈值,混沌现象不容易产生.     

非平稳噪声背景下多径信号DOA估计方法

针对目标信号传输过程中的多径现象或电磁干扰引起的同时存在独立和相干信源(多径信号)的情况,提出了一种非平稳噪声背景下的混合信源DOA分步估计方法。该算法利用常规谱估计算法估计独立信源,在利用广义协方差差分方法排除掉非平稳噪声信息后,然后根据斜投影算子的性质排除独立信源,对剩余的相干信源则可采用修正空间平滑算法恢复为满秩,进而可以用MUSIC算法进行DOA估计。相比较传统的广义差分方法,该算法在提高阵列信源过载能力的同时,避免了对独立信源的平滑运算,计算复杂度降低,并且适用于更广泛的未知噪声背景及低信噪比环境。计算机仿真结果证明了新算法的有效性和正确性。     

一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

一类带有时变时滞的Lur’e型切换系统的故障估计

研究了一类带有中立项和时变时滞信号的非线性切换系统的故障估计问题。通过设计基于观测器的切换故障估计器,将故障估计问题转化为H∞滤波问题。在任意切换信号下,通过选取合适的Lyapunov-Krasovskii泛函,推导并证明了由原系统和估计系统组成的增广系统绝对稳定,同时满足给定的H∞性能指标的时滞相关充分条件。进一步利用锥形补方法给出所设计的估计器参数矩阵的解。最后通过算例验证了所提方法的有效性。     

一类带有时变时滞的Lur＇e型切换系统的故障估计

研究了一类带有中立项和时变时滞信号的非线性切换系统的故障估计问题。通过设计基于观测器的切换故障估计器,将故障估计问题转化为H∞滤波问题。在任意切换信号下,通过选取合适的Lyapunov-Krasovskii泛函,推导并证明了由原系统和估计系统组成的增广系统绝对稳定,同时满足给定的H∞性能指标的时滞相关充分条件。进一步利用锥形补方法给出所设计的估计器参数矩阵的解。最后通过算例验证了所提方法的有效性。     

非平稳信号的时变自回归建模及其在轴承故障诊断中的应用

基于时变自回归（TVAR）方法实现了非平稳随机信号的参数化建模,提出采用最小信息准则确定模型阶数．通过多分量线性调频仿真信号的时变谱估计,表明该方法分辨率高,没有交叉项的干扰,计算速度快．在仿真分析的基础上,应用参数化时频谱和BP神经网络方法进行滚动轴承故障信号的分类和辨识,并基于能量法对时频图进行特征提取．分析结果表明,时变自回归方法的拟合精度高,能有效提取轴承故障信号特征,同时结合神经网络能对故障进行准确诊断．     

一类非均匀采样数据系统的状态估计

首先利用提升技术推导出非均匀周期刷新和周期采样多率系统的提升状态空间模型;并基于卡尔曼滤波原理,通过极小代估计误差协方差矩阵,提出这类系统提升状态空间模型的状态估计算法.仿真试验说明,提出的算法可以有效地估计系统状态.     

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。     

空间非平稳噪声状态下的超分辨测向技术研究

在空间非平稳噪声状态下对任意形天线阵超分辨测向技术的性能进行了研究，并对传统协方差距阵差法做了改进，经计算机仿真验证，改进后的测向算法性能良好。     

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.     

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。     

一类时变广义系统的稳定性

研究了一类时变广义系统的能稳定性,并得出在满足一定条件下,该类广义系统是能稳定的结论.建立相应的广义Riccati矩阵微分方程线性迭代算法,用以寻求稳定广义系统的状态反馈控制,应用所得的结果计算了一个实例.     

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