随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

复杂系统模型自组织方法的直交化算法

提出了一种直交化算法，用业克服复杂系统模型自组织方法的多层算法中存在的若干缺点，讨论了算法实现所涉及到的一睦问题，实例分析了证实了该算法的有效性。     

滑动平均模型的最小二乘辨识方法比较研究

滑动平均模型辩识的困难是信息向量中存在不可测噪声项。借助于递阶辩识的交互估计理论,用估计残差代替信息向量中中不可测噪声项,借助于多新息辨识理论扩展新息长度和充分利用系统观测数据的思想,提出估计滑动平均模型参数的多新息递推最小二乘辨识方法和最小二乘迭代辨识方法。与常规递推增广最小二乘算法相比,提出的方法具有更快的收敛速度,能产生更高精度的参数估计。仿真例子验证了算法的性能。     

复杂系统模型自组织方法的直交化算法

提出了一种直交化算法，用来克服复杂系统模型自组织方法的多层算法中存在的若干缺点；讨论了算法实现所涉及到的一些问题．实例分析证实了该算法的有效性     

系统辨识的频域最小二乘算法

提出了一种用于求解有限脉冲响应系统函数和脉冲响应的频域最小二乘算法（ＲＦＬＳ），可应用于非实时系统辨识。本算法具有精度高、运算量小、易于实现和能够达到很高阶数的特点。给出了算法的推导论证、定阶和实用问题的讨论以及计算实例。     

连续时间线性系统递推最小二乘辩识的收敛性分析

本文针对多输入多输出的连续时间动态线性系统，在系统噪声相关的情形下，研究了递推最小二乘辩识，给出了保证最小二乘辩识强一致性的充分条件。     

一种加快最小二乘参数估计的参数跟踪速度的措施

本文探讨了如何加快最小二乘参数估计的参数跟踪速度问题。为此目的提出了一种自动调整其“遗忘因子”值的措施。仿真计算的结果证实,所采取的这种措施是可行而且是有效的。     

直交非线性互补问题的区间算法

讨论了一般的直交非线性互补问题(VNCP):f(x)≥0,g(x)≥0,fT(x)g(x)=0.构造了一种改进的Krawczyk区间算子,给出了求解VNCP问题的区间算法.该算法可检验任一区间中是否存在VNCP问题的解.若存在VNCP问题的解,用该算法可以求出VNCP问题在该区间中的所有解,并可得到包含VNCP问题解的区间宽度足够小的子区间.     

分数阶系统的迭代最小二乘辨识算法

针对等比例阶次的分数阶系统的特点,提出了一种分数阶系统频域辨识的迭代最小二乘算法,并将运算数据的实部和虚部分离计算引入辨识过程,简化了计算的复杂度。此算法是整数阶系统辨识频域最小二乘算法的推广。通过无噪声和有噪声两种情况下的仿真实验,证明了该算法的有效性。     

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     

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.     

不等长分组的正交频分复用系统及信道盲辨识算法

提出了一种采用不等长分组的正交频分复用(OFDM)系统。该系统通过将相邻的OFDM分组编码成不同的长度，可在接收信号序列中引入周期平稳性，从而实现信道的盲辨识。由于采用这种方法无需加入冗余信息，故进一步提高了系统的传输效率。仿真结果表明，本方法是可靠的。     

一种新型径向基函数神经网络学习算法：递归正交最小二乘法（ROLS）

径向基函数神经网络在很多领域得到了成功的应用。但迄今为止仍没有一种有效的方法来确定隐层中心数目，笔者将递归正交最小二乘（ROLS）方法引入RBFNN建模训练，利用ROLS算法训练网络后所得的有用信息，采用后向选择算法，逐步去掉那些使网络残差增加最小的中心，在得到网络有效中心的同时，还满足了精度要求，从而大大简化了RBF网络结构，节约了大量的存储空间以及计算量。仿真和实验结果表明该方法是有效而实用的。     

解非线性最小二乘问题的混合算法

对非线性最小二乘问题进行了研究，提出了一个新的混合算法，并给出在一定条件下算法具有超线性收敛性的结论．对目前众多标准数值算例进行了计算，表明该算法具有较好的数值结果     

On-line Weighted Least Squares Kernel Method for Nonlinear Dynamic Modeling

Support vector machines （SVM） have been widely used in pattern recognition and have also drawn considerable interest in control areas. Based on rolling optimization method and on-line learning strategies, a novel approach based on weighted least squares support vector machines （WLS-SVM） is proposed for nonlinear dynamic modeling. The good robust property of the novel approach enhances the generalization ability of kernel method-based modeling and some experimental results are presented to illustrate the feasibility of the proposed method.     

基于正交最小二乘法模糊模型的短期负荷预测

将正交最小二乘法（OLS）模糊模型用于电力系统短期负荷预测,其推理系统模糊规则的生成、影响因素的选取和隶属度的确定均利用正交最小二乘法从历史数据中直接获得,从而克服了模糊推理系统的知识由咨询专家和经验来产生所造成的知识获取的“瓶颈”现象。相应的数学模型简洁有效。实际算例表明,该方法的预测精度较径向基网络法高0．3％－0．5％,每个模型运算仅需1s左右,具有较强的实用性。     

正交小波级数拟合法的薄板结构分布动载荷识别技术

针对工程结构中的薄板系统,基于正交小波级数分解理论,构造正交小波基函数,将待识别的分布动态载荷在正交小波基空间中进行小波级数分解,从模态理论出发给出了小波级数系数与结构测点响应信息的线性关系,计算出小波系数,通过小波重构,还原薄板结构表面承受的分布动载荷. 本文的载荷识别理论适用于各种不同载荷类型,通过计算机仿真,验证了该方法的通用性和较高的识别精度.仿真过程中加入随机噪声,识别结果证明了小波重构的动载荷具有良好的抗噪能力,有效提高了载荷识别的信噪比.      

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.