改进的分数阶自适应PDE去噪算法

结合ROF模型和四阶PDE去噪模型提出一种改进的分数阶自适应PDE去噪算法.改进算法根据各个像素点的梯度信息自适应地选择分数阶PDE的阶数,根据尺度参数的特点,提出一种自适应的尺度参数迭代算法.数值实验表明,改进算法能够较好地提高峰值信噪比,保护边缘,有效抑制“阶梯效应”.     

基于改进粒子群算法的分数阶系统辨识方法

为获取精确的分数阶系统模型,本文利用惯性权值自适应律来改进基本粒子群算法,基于所改进的粒子群算法提出了一种分数阶系统辨识方法,并选取实际系统与辨识系统的输出误差平方和为目标函数,实现了分数阶模型参数和阶次的同时辨识,适用于成比例和不成比例分数阶系统辨识。仿真结果表明了算法的有效性,辨识结果精度较高。     

单输入多输出系统的递阶增广随机梯度辨识算法

根据负梯度搜索原理,推导了滑动平均噪声干扰单输入多输出系统的递阶增广随机梯度算法.为了改进提出算法的收敛速度,在算法中引入遗忘因子,得到递阶增广遗忘梯度算法.数字仿真结果表明所提出的算法估计系统参数是有效的.     

MIMO液压伺服系统及噪音的时间序列分析

一、引言单输入单输出液压系统的参数辨识问题,在国内、国外都有了一些研究成果。这包括频域参数辨识、伪随机信号相关分析法,这些方法都需要事先人为确定模型的阶。文献给出了单输入单输出液压伺服系统模型阶和参数的时间序列分析方法。在此基础上,本文进一步提出了多变量液压伺服系统的时序辨识方法。该方法可以在对系统一无所     

基于改进随机数直接搜索法的分数阶系统辨识

采用分数阶微积分可以相对简明精确地建立整数阶系统难以建立的模型.随着现代技术的发展,使用分数阶模型对实际对象和动态过程进行精确描述的优点越来越明显.该文针对分数阶系统的特点,提出了采用改进随机数直接搜索优化算法(NLJ)在限定阶次的随机数范围的基础上,进行分数阶系统辨识的方法.该方法即可辫识系统的模型参数,也可以对系统的阶次进行辫识.提出的方法对初始值有较大适应性,并且实现简单.仿真结果表明该方法对分数阶系统辨识的适用性和有效性.     

动态数据系统(DDS)建模方法的改进

本文概述了原DDS建模方法的缺点,叙述了改进的途径,推导了改进的算法,给出了改进部分的详细框图。首先用长自回归拟合数据直到残差为白噪声,如AR模型阶不高,则认定为AR模型。否则,利用数据和残差,线性估计ARMA模型参数。增阶和降阶时,Yule—Wolker方程系数阵和模型参数都可递推求得。初估ARMA模型后,用非线性最小二乘法来优化参数。通过二个实例计算表明,经改进的方法可以节省66％的机时,效果是明显的。     

系统降阶的马尔柯夫参数拟合法

降阶是应用大规模动态系统的重要问题。本文提出的方法是:求出原系统大量的马尔柯夫参数,并根据应用要求确定降阶模型的阶数。然后根据由本文作者提出的准则——模型的马尔柯夫参数尽可能与原系统相一致同时模型的静态增益却应与原系统必须相等,采用最小二乘拟合法来求出降阶模型的参数。在降阶模型中引入了纯滞后,这样就能显著地提高拟合的精度。本文通过几个数例证明作者提出的方法,计算方便,拟合精度较高,可以用来解决多数高阶单输入单输出稳定系统的降阶问题。     

基于全参数在线辨识的鲁棒自校正控制

受控系统中，模型结构参数（模型时延及模型阶次）和模型参数是自适应类控制的基础，采样这些参数，并即时送给控制器，是实现自适应控制的前提，也是优化该类算法的重要依据。笔者给出了对上述自适应控制的有关参数的在线辩识方法，并基于此，改进了经典的自适应类控制算法，算法中引入了对结构参数（模型阶次）的智能辩识方法和鲁棒极点配置原理，从而构成了鲁棒自校正控制，使算法得以进一步优化，整个控制方案给出了自适应类控制的新模式。     

广义I型逐阶区间删失混合Weibull数据的参数估计

源于有限混合总体的广义I型逐阶区间删失数据参数估计方法的研究不多,基于有限混合Weibull模型,讨论Expectation-Maximization(EM)算法对广义I型逐阶区间删失数据参数估计的有效性及其改进。首先给出估计参数的EM算法,通过仿真算例,说明EM算法对广义I型逐阶区间删失混合数据参数估计产生了过度迭代现象,进而,提出了停止EM算法的加权绝对偏差信息准则。改进的EM算法改善了EM算法无法确定参数估计停止迭代时刻的不足,在选择适当初值后,可快速获得满意的参数估计结果。仿真算例验证了该方法的有效性。     

关于内模控制结构中二阶反馈滤波器的研究

内模控制结构中的一阶反馈滤波自提出以来,以其设计简单,调节参数少而得到广泛应用,但在实际问题中一个调节参数往往难于协调快速性和平稳性,针对这一情况本文提出用有两个调节参数的二阶反馈滤波模型进行改进,并通过仿真检验表明,这种方法可以获得比简单的一阶反馈滤波更好的系统性能。     

基于和声搜索的自适应滤波算法

针对子空间辨识方法,从状态空间模型向I/O差分方程转化的取向,使有关矩阵的维数增加,计算复杂度增大的问题,提出了用和声搜索算法辨识CARMA(Controlled Auto-Regressive Moving Average)模型子阶、时滞和参数的方案.该方案基于所提出的输入输出模型转化为状态空间模型的定理,使相应的状态空间模型在CARMA模型辨识之后也被辨识.以油井热洗为例,进行了自适应滤波估计.估计结果表明:该算法有较高的滤波和预报的精度,滤波和一步预报的误差方差的最大值在0.01以内,与子空间辨识方案相比,本方案的计算量约为前者的五分之一.     

一类有色噪声干扰系统的有限脉冲响应模型方法的辨识研究

ARARX模型是有色噪声干扰系统的一类重要模型, 本文把有色噪声干扰的随机系统看作ARARX模型(即动态调节模型),辨识思想是把噪声模型用有限脉冲响应(FIR)模型逼近,进而得到一个CARMA模型/ARMAX模型. 使用递推增广最小二乘估计其参数,与滤波递推广义最小二乘法相比,提出的方法原理简单, 更方便于计算机操作. 仿真结果表明,如果近似的FIR模型有较高的阶次,系统辨识精度满足要求.     

全解耦的多变量自校正控制

本文在 Koivo 建立的多变量自校正控制基础上,给出了描述系统动态的CARMA 模型。并将它化为 V 规范多变量耦合系统,然后进行解耦,从而提出一种新的多变量全解耦自校正控制(MFDSTC)策略。仿真结果表明,本文提出的解耦策略是可行的。文章还指出,这种解耦策略也适应于非最小相位系统。     

一种离散非线性随机系统模型及其自校正调节器

建立了一种描述离散非线性随机系统新的数学模型,它是CARMA模型的一种扩展,双线性系统模型是它的一种特殊形式,参考CARMA模型下自交正调节器控制律的算法结构,同时给出了新模型了自校正调节器的算法,它将CARMA模型的算法在结构上从线性扩展到非线性。     

基于近似模型和模式搜索法的履带车辆多体动力学模型参数修正研究

履带车辆多体动力学模型仿真结果的准确度直接影响其动力学性能分析结果的可信性。为提高仿真结果的准确度,研究了多体动力学模型参数的修正方法。首先建立了履带车辆多体动力学模型,通过对比仿真结果与实车测试结果,初步验证了模型的可信性;并给出了参数修正目标函数的表达式。通过参数筛选确定了待修正模型参数。采用克里格插值法,构造了待修正参数与目标函数之间的近似模型;解决了修正效率低、计算量大的问题。针对修正问题的无约束性和非线性,采用模式搜索法进行参数修正的迭代计算。修正结果表明,动力学模型仿真结果的准确度得到了提高,证明了修正方法的有效性。     

多变量时间序列CAR模型在交通负荷短期预测中的应用

交通负荷是影响交通通行寿命和可靠度的一个重要因素,交通负荷变化具有明显的周期性。本文针对多变量定性计算的交通负荷难题,利用时间序列的多变量自回归CARMA模型对交通负荷进行建模、预测的理论和方法,对动态系统实行统一建模。我们用递推最小二乘法的多变量自回归模型对交通负荷参数进行估计,并用DPS系统对模型进行预测和分析,测试结果证明了方法的有效性。     

CARMA模型的多新息增广随机梯度辨识算法

将多新息辨识理论用于研究CARMA模型参数辨识问题,通过把标量新息扩展为向量新患,即多新息,得出相应的多新息增广随机梯度辨识算法.仿真结果验证了提出算法的有效性.     

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．     

一种离散非线性随机系统模型的非线性结构的自校正控制器

本文给出了一种描述离散非线性随机系统的数学模型,它是CARMA模型的一种扩展,双线性系统模型是它的一种特殊形式,并给出了新模型下自校正控制器的算法,它将CARMA模型下的算法结构从线性扩展到非线性。     

AN INVESTIGATION OF MODELLING ON DRAFTING PROCCES OF WOOLLEN GILL MACHINE

The combing process of gill machine is an important link in the wool spinning technology.Inorder to improve the quality of products,it is necessary to study the new autoleveling device whichuses the modern control theory and microcomputer science.We have to set up a mathematicalmodel for object:As the woolen yarns (both input and output) are complex random process,it issuitable for CARMA (controlled autoregressive-moving average) to describe the object by meansof time series analyses of models.