基于神经网络的非线性系统辨识方法

主要介绍利用多层神经网络进行非线性系统辨识的几种模型以及相应的算法，并分析和比较它们的辨识性能．为高度不确定性动态系统的综合设计提出了一种分析方法。     

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。     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

逆系统方法在制导系统中的应用

利用非线性控制折逆系统方法原理，在多变量辨识基础上建立一种远程反坦克导弹制导系统的逆系统控制器，通过改变伪线性系统控制器输入以参数，减少辨识模型的差异和降低由于输入限幅对控制快速性的影响。     

Hammerstein模型非线性环节折线表示辨识方法研究

以单输入单输出非线性系统Ｈａｍｍｅｒｓｔｅｉｎ模型为对象，研究了一种基于非缄性环节折线近似表示的辨识方法，该法对三位式伪随机序列的构造辨识激励信号，可辨识出非线性静态环节参数和线性动态环节参数的一致估计值。     

主动噪声抵消中初级传感器到次级声源间系统函数的辨识

提出了一种应用于主动噪声抵消系统中求解初级传感器到次级声源之间系统函数的辨识算法，简称ＰＳＩ，算法以频域最小二乘系统辨识算法为核心，首先根据实测数据用ＩＦＬＳ算法辨识出初级传感器到误差传感器之间的系统函数Ｈ，再根据实测数据用ＩＦＬＳ算法辨识出次级声源到误差传感器之间的系统函数Ｈ２，然后用模拟激励方法通过白噪声间接激发初级传感器到次级声源之间的各种模态；再次利用ＩＦＬＳ算法辨识初级传感器到次级声源之     

一种广义预测控制直接算法

基于灰色模型GM（1，2）采用两个辨识器分别辨识被控对象和闭环系统的参数，从而得到了控制器的参数，给出了一种广义预测控制的直接算法。由于此方法将被控对象视为灰色系统，需辨识的参数较基于CARIMA或CARMA模型的广义预测控制直接算法大大减少，实时性进一步提高。仿真结果表明，该方法是有效可行的。     

复杂生产过程的模糊神经网络辨识

大多数工业生产过程，都是具有较多不确定因素的复杂过程，难于用常规方法建立数学模型。把模糊系统理论与神经网络理论相结合，构造了一种模糊神经网络辨识算法，并把该方法应用于合成氨生产系统的过程辨识。     

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．     

PID神经网络辨识能力的初步研究

PID神经网络具有在线自学习能力，通过无教师的自学习方式，PID神经网络成功地实现了不同的系统辨识。本文在介绍PID神经网络的基础上，论述了PID神经网络进行系统辨识的理论依据，给出了PID神经网络通过自学习进行非线性动态系统辨识的结果。     

辨识一类抛物型系统时的传感器定位

该文研究了辨识一类抛物型系统ｕｔ＝ａｕｘｘ＋ｂｕｘ＋ｃｕ所用点测量传感器的定位问题。利用广义正交多项式将该系统近似成一有限维系统；根据集中参数系统理论讨论了近似系统的可辨识性，导出了传感器的区域定位策略，并给邮屯在局部优性条件下基于单点测量数据同时估计未知参数ａ，ｂ，ｃ的最小二乘算法，且用仿真实例说明了系统似误差对辨识结果的影响。     

一类连续线性系统的完全辨识

在一般情况下，对于连续线性系统可以获得其代数等价系统或传递函数的辨识。本文对这种线性系统的一个特例，即由高阶方程描述的一类线性系统，依据系统的观测数据，用该系统的特征值构造出唯一的变换矩阵，解决这类系统辨识中，由离散辨识结果返回连续系统的反问题，进而实现这一类线性系统的完全辨识。     

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。     

控制输入的线性时滞系统可辨识性分析

线性时滞系统的辨识性分析是过程控制理论的研究课题之一，通过对系统差分方程的讨论，在4个定义的基础上推出了2个定理，进而证明了可辨识性。阐述了输入充分不平稳信号时，线性时滞系统传递函数的在线辨识性和可控输入的不连续性决定着系统马尔科夫参教的可辨识性，分析了系统传递函数的在线辨识性和系统马尔科夫参数可辨识性的关系。这些分析无论在理论上，还是在工业应用中都具有重要意义。     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

由阶跃响应曲线辨识传递函数的图解方法

介绍了一种已知阶跃输入下系统实验结果，通过编写M文件和线性拟合，利用MATLAB的图形功能，辨识系统参数和传递函数的图解方法。     

系统辨识递推方法

对线性动态系统推证了系统辨识的递推公式，提出了计算机在线或离线实现的程序设计思想，给出了程序流程，此法提高了辨识精度．     

基于状态子空间辨识算法的双阶挤出系统动态特性建模研究

针对高聚物挤出发泡所用的双阶挤出系统中需要解决连接体压力稳定控制的动态建模问题,提出了一种用于双阶挤出系统预测的状态子空间系统辨识策略,该方法利用系统的输入输出数据成功辨识出了双阶挤出系统的动态模型,并将实际测量数据与辨识得到的模型仿真输出数据进行对比,结果验证了基于状态子空间的辨识算法得到的系统模型能很好地反映实际情况。     

两段不对称非线性系统的自适应控制新算法

针对两段不对称非线性系统，分别就非线性部分已知和未知两种情形提出了基于极点配置控制策略的自适应控制新算法，非线性部分已知时，该算法不仅能保证全局稳定性，而且能渐近跟踪一大类参考输出，非线性部分未知时，提出了一种新的辨识方法，使原耦合在一起的线性动态部分和非线性静态部分的参数分开进行辨识，新算法可用于非最小相位系统，并且可辨识的参数少，因此减小了计算量，仿真表明新算法的良好性能。     

电子膨胀阀动态特性的辨识

针对制冷系统蒸发器过热度随ＥＤＭ型电子膨胀阀开度变化的关系模型，对电子膨胀阀的步进电机施以电脉冲驱动，从而获得蒸发器过热度作为动态响应的运行规律，并应用８种系统辨识方法对该制冷系统进行辨识．经过对各种辨识方法辨识结果的比较，给出各种辨识方法在处理这一类问题时的辨识精度，以及在具体处理过程中的特点，给出适于这一类模型的辨识方法．同时，也说明了该环节用一个三阶环节描述更接近实际情况，这为以后制冷系统模拟、仿真奠定较好的基础．