多自由度非线性系统的频域识别

通过拟合近似频响函数，在频域中研究多自由度非线性系统参数的识别问题，实例计算结果表明本文的方法是正确的。     

基于HHT方法的时变多自由度系统的参数识别

将HHT(Hilbert-Huang transform)方法与数学规划方法相结合,用于时变多自由度系统的参数识别.把响应信号如加速度信号通过一个窗函数,得到要研究的某阶模态成分,然后通过经验模态分解(EMD)把通过窗函数的信号分解成各个本征模函数(IMF),对分解出来的IMF进行希尔伯特变换得到该阶模态的瞬时频率,以待识别的刚度或质量参数作为设计变量,极小化计算得到的频率与瞬时频率之差的平方和.对应该平方和最小的刚度或质量值即为选定时刻识别得到的刚度或质量参数值,并进行了数值仿真.     

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。     

基于多小波变换非线性自适应增益的图像增强

随着多小波理论的发展,它所拥有的对称性、光滑性、紧支性、正交性等重要的数学性质弥补了单小波的不足．提出了一种基于多小波变换非线性自适应增益的图像增强算法,将图像进行多小波分解,高频细节图像采用多尺度非线性自适应增益增强．低频平滑图像采用反锐化掩模增强．实验结果表明：该算法能突出图像中的细节部分,可以有效地消除噪声,并且具有良好的增强效果．     

基于离散小波变换的时变结构物理参数识别

利用离散小波变换将时变结构的时变参数在多尺度上展开为概貌信号和细节信号,忽略高频细节信号,仅由低频概貌信号估计时变参数,将时变结构识别问题转化为时不变结构识别问题。基于时变结构的输入和输出信号用最小二乘法识别低频尺度展开系数,从而重构得到原始时变参数。对于噪音引起的方程不适定性问题,采用Tikhonov正则化方法减小其影响。通过1个具有时变刚度和阻尼的2层框架结构的数值模拟验证该方法的有效性。识别结果表明:该方法可以有效识别结构时变刚度,时变阻尼识别结果对噪音较敏感。     

基于小波变换的双通道语音增强

运用噪声对消法的基本原理,通过小波变换对染有噪声的语音信号进行了消噪处理,并取得了一定的效果。     

非线性系统参数识别的频域方法

系统识别是现代控制过程的关键环节．本文提出了一种识别弱非线性振动系统参数的方法．本方法中，参数识别的数学模型是系统的一阶近似频率响应函数．首先，用多尺度法导出弱非线性强迫激励系统的频率响应函数．接着，利用非线性参数变换将此频率响应函数变换为系统参数的线性函数，在此基础上用最小二乘法识别系统的参数．最后，通过数值模拟检验了方法的精度．     

基于小波脊的MDOF系统的模态参数识别

将小波理论应用于多自由度(MDOF,multi degree of freedom)系统的模态参数的识别中,首先对MD OF系统的响应函数作基于Morlet小波的时频分解,再由小波系数模的局部极大值求得小波脊,最后求出MDOF系统的各阶模态的固有频率及阻尼比.文中给出了实例,进行了计算说明,结果表明了该方法的有效性.     

基于小波变换的工况区域识别

针对生产过程的特点 ,对过程工况区域识别问题进行了描述 ,在分析小波变换的基础上 ,研究了利用小波变换的多尺度分析特性 ,提取生产过程检测信号的多尺度定性变化特征 ,并分析和证明了提取的工况区域特征具有描述工况区域的稳定性和完备性。在此基础上 ,结合模式归纳分类算法 ,提出了一种基于小波变换的工况区域识别方法。应用实例研究 ,证实了所提方法的可行性和有效性     

基于小波变换的桥梁动态称重系统车轴高精度识别研究

首先利用小波变换对一不能明显识别车轴信息的数值仿真信号进行处理,证明小波变换能够高效放大车轴经过传感器时产生的不连续变化斜率,从而识别出车轴信息.然后基于实桥测试,对那些不能直接识别出车辆信息的FAD信号,通过联合控制最小Shannon熵值和最大相关系数选取最适变换尺度和最适变换小波函数进行小波变换.分析结果表明:对于不能直接识别出车辆信息的FAD信号,小波变换也能准确地识别车辆行驶速度、车轴数目以及车轴间距.小波变换可提高桥梁动态称重(BWIM)系统车轴识别的效率及精度,为将BWIM系统发展为超载车辆控制的有效工具提供技术支撑.     

基于微分算子小波变换的分布参数系统辨识

基于微分算子在紧支撑正交小波基下的精确显式表示,给出了一种分布参数系统辨识方法.将微分算子投影到小波空间,得出其矩阵表示形式,从而将分布参数系统转化为集中参数系统,再利用最小二乘参数估计的一次完成算法进行辨识.该方法不需要考虑初始条件和边界条件的影响,降低了计算的复杂程度;基于Daubechies(db1)小波的数值计算表明,在小波分解层数很低的情况下,辨识就具有很高的精度.     

基于小波变换和Prony算法的间谐波参数辨识

现场采样获得的间谐波信号通常叠加着随机噪声,如果不对噪声进行有效消除,其信号特征信息的提取将会受到很大影响．通过对小波软阈值去噪方法的探讨,对间谐波信号进行去噪预处理,并采用现代谱估计Prony方法辨识间谐波参数,提取信号特征信息．计算结果表明,采用小波软阈值方法对间谐波信号进行去噪预处理,有利于提高其参数辨识的准确性．     

基于小波和非线性含输入自回归模型的系统辨识算法

提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法．该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程，消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入的严重失真，构成了一个通用、有效、不依赖于系统先验信息的非线性辨识框架．两则数据仿真表明，对于高度非线性系统，该算法可使系统估计的均方误差减少60％以上．     

最小二乘小波支持向量机在非线性系统辨识中的应用

基于小波分解和支持向量核函数的条件,提出了一种多维允许支持向量小波核函数.该核函数不仅是近似正交的,而且适用于信号的局部分析、信噪分离和突变信号的检测,从而提高了支持向量机的泛化能力.基于小波核函数和正则化理论提出了最小二乘小波支持向量机(LS WSVM)并将LS WSVM用于非线性系统的辨识,提高了辨识效果,减少了计算量.仿真结果表明:LS WSVM在同等条件下比传统支持向量机的辨识精度提高约13 1%,因而更适合于工程应用.     

基于离散小波变换的动态过程模型参数辨识的Markov方法

提出一种新的Ｍａｒｋｏｖ递推算法,该算法主要是基于过程噪声的离散小波变换的协方差矩阵及其Ｃｈｏｌｅｓｋｙ分解因子具有特殊稀疏带状结构的事实,利用模型输出误差的小波变换在线估计出其协方差矩阵及其Ｃｈｏｌｅｓｋｙ分解因子Ｌｃｗ,进而利用Ｌｅｗ对数据进行白色化处理。数值仿真验证了所提算法是可行的。     

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.     

基于切换多模型小波网络的非线性动态系统控制

为了提高非线性动态系统的性能，提出了多模型小波网络方法，并详细介绍了多模型小波网络的结构．用多模型小波网络对非线性系统进行建模与控制，在仿真试验中将其与单小波网络进行对比，结果显示多模型小波网络控制的均方差为0．158，单小波网络控制的均方差为0．374．试验结果证明多模型小波网络方法控制精度高，响应速度快，其控制性能优于单小波网络。     

非线性小波变换及其应用

对线性小波变换和非线性小波变换进行了介绍,在此基础上重点分析了非线性小波变换的优点,最后对非线性小波变换的若干典型应用及应用中的问题进行了讨论.