极小极大拟合准则下的在线参数估计方法

提出一种采用极小极大拟合准则的在线参数估计方法，为此采取了两条有效措施，第一，将在线辨识中最常用的遗忘因子引入极小极大拟合准则，第二，通过研究有关的极小极大优化问题的对偶问题设计在线递推算法，前者使推广后的极小极大拟合准则具有追踪时变参数的能力，后者则为构造实用的在线递推算法提供了可行的途径，大量仿真研究表明，提出的在线参数估计方法具有较好的性能。     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

一种系统在线辨识算法的改进研究

研究了线性单输入单输出系统在线辨识的递推算法．为确保复杂的智能控制有更充裕的时间，在保证辨识精度的情况下，提出了减少参数辨识运算量的变步长递推算法．传统的递推最小二乘法采用的方式是每获得一组新观测数据就修正一次参数估计值，而变步长递推算法增加了改变每次修正参数估计值前获得新观测数据的组数，合并了一些重复的运算．对该算法进行了推导，并给出了参数误差的差分方程，在理论上证明了算法的收敛性．仿真和实验表明，该算法的运算量有明显减少，而收敛速度和辨识精度几乎没降低．     

增广最小二乘限定记忆参数估计算法与仿真

最小二乘法可用于动态系统、静态系统、线性系统和非线性系统的参数估计,可用于离线估计,也可用于在线估计;文章在增广最小二乘递推算法的基础上引入限定记忆方式,获得了增广最小二乘限定记忆参数估计递推算法(RFMELS),解决了增广最小二乘递推算法的数据饱和问题,仿真结果表明了RFMELS算法的有效性.     

应用块-脉冲函数辨识时滞系统

本文应用块-脉冲函数对连续时间时滞系统的参数估计问题进行了研究,得到了便于在微型计算机上实施的递推算法。特别对系统延迟时间已知的时不变系统,此算法还能在线用来估计系统参数。对于延迟时间未知的系统,本文提出了同时辨识系统延迟时间和参数的一个方法。另外,对连续时间无时滞的系统,可作为本文的特殊情况来处理。     

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。     

基于自适应卡尔曼滤波的时变结构参数估计

在许多情况下,对于非平稳或性能随时间发生变化的结构,要求对结构的参数进行实时的跟踪与识别,此时传统的递推算法．如卡尔曼滤波等方法就不再适用,而需要采用具有一定跟踪能力的自适应递推算法．本文对自适应卡尔曼滤波方法在时变结构参数估计中的应用进行了分析,并对其跟踪性能进行了探讨．     

广义预测控制在液位控制系统中的应用研究

研究广义预测自校正控制算法在液位控制系统中的设计方案，建立被控对象CARIMA模型，讨论算法优化性能指标中的参数选择．针对基本的最小二乘法产生的对象模型参数估计不准的问题，在参数的递推估计、参数估计的收敛速度、参数估计的在线检验以及对象输入输出数据的处理4个方面给出相应的改进方法．实验结果表明，所采用的设计方法合理可行，具有一定的实用价值．     

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。     

含有过程噪声的Hammerstein-Wiener模型辨识算法及其收敛性分析

针对含有过程噪声的Hammerstein-Wiener模型,提出一种偏差补偿递推最小二乘辨识方法.通过将偏差补偿引入到递推最小二乘算法中,在线辨识包含原系统参数乘积项的参数向量.并用鞅收敛定理证明偏差补偿递推最小二乘辨识算法的收敛性,分析表明在持续激励的条件下参数估计偏差一致收敛于零.仿真结果表明该方法优于递推最小二乘辨识方法.     

一种用于时间序列AR模型在线辨识的阶估计准则

用系统可观测输出与模型输出的方差作为最小方差指标函数，根据噪声的遍历性导出一种实用指标函数，给出了阈值计算公式及适用于在线建模的递推的阶估计准则。     

冷热水混合器出水温度控制系统参数估计方法

采用基于计算流体力学（CFD）的系统辨识方法,对冷热水混合器出水温度控制系统进行了建模。结合CFD技术与系统辨识理论,将递推参数估计算法嵌入CFD数值模拟软件FLUENT中。实现了基于CFD的“虚拟”控制系统的在线参数估计．结果表明：该方法利用CFD模拟被控对象,不受物理实验限制,可以有效地估计控制系统参数;用计算模拟时间步长决定采样时间,而数值模拟实际计算时间对参数估计的实时性没有影响,即参数估计相对于被模拟的控制对象永远是实时的;特别是针对流体流动过程的系统建模,该方法是一种可行的选择．     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

双线性模型参数估计及其在颤振分析中的应用

本文提出了一种全新的双线性模型参数递推估计算法，其机理是通过采用泰勒级数来逼近似然函数，因此复杂的非线性参数估计就变成了较容易的线性参数估计，两组仿真实例以及在颤振分析中的应用表明，本算法具有快，稳定及精度较高等特点。     

一类时变时间序列模型的参数估计研究

根据对一类时变时间序列模型结构特点的研究,提出了一种时变ＡＲ模型的递推参数估计算法。其原理是将时变参数的估计转化为对状态方程的状态估计,采用卡尔曼滤波推导出参数估计递推公式,并研究了其渐近稳定的充分条件。     

基于GMDH两水平预测模型的识别问题研究

在分析两水平算法结构的基础上,论证模型为一递推型联立模型,解决了模型参数的识别问题．指出在复杂系统建模中,采用多层迭代算法估计模型的参数。     

多输入多输出随机线性离散系统的在线测辨

本文讨论多输入多输出(MIMO)随机线性离散系统的在线测辨问题。根据Luenberger标准型的稳态Kalman滤波表示提出了一套在线测辨方法,即用残差法的结构测辨和递推增广工具变量法(REIV)的参数估计。本文给出了残差平方和的递推算式,并证明了如果采用本文所提出的工具变量,那末REIV算法是渐近无偏的。最后,我们还给出了计算机模拟算例,说明本文所提出的在线测辨算法是行之有效的。     

广义范数残差判据

本文讨论了利用正交变换方法的最小二乘递推算法,提出了广义范数残差的概念,建立了相应的广义范数残差判据,用来离线或在线评价参数和模型结构估计的可靠程度。仿真结果证实了这种判据在解决系统辨识问题时的可行性。