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。     

遗传算法的双线性模型参数辨识

本文以遗传算法为基础 ,提出了一种辨识双线性离散动态系统模型参数的方法。该方法能够有效地克服噪声的污染 ,获得双线性系统参数的无偏估计值。应用该算法对双线性系统进行仿真表明 ,该方法辨识精度高 ,稳定性好     

基于遗传算法的离散和连续系统辨识

阐述了遗传算法应用于离散和连续系统中直接辨识物理参数。该方法能有效地克服有色噪声的干扰 ,获得系统参数的无偏估计。对离散系统的辨识仿真结果说明了该方法的有效性     

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。     

基于遗传算法的离散和连续系统辩识

阐述了遗传算法于离散和连续系统中直接辨识物理参数，该方法能有效地克服了色噪声的干扰，获得系统参数的无偏估计，对离散系统的辨识仿真结果说明了该方法的有效性。     

基于双STF-UKF算法的永磁同步电机参数联合估计

针对永磁同步电机参数辨识问题,分析了永磁同步电机的可辨识模型.将参数看成缓慢的变化状态,同时考虑系统噪声和测量噪声,提出了一种基于强跟踪滤波器的无迹卡尔曼滤波算法.该算法能够同时辨识定子电阻、直轴和交轴电感、永磁体磁链,讨论分析了该算法的稳定性.为了减少算法的计算量,将4个参数分成2部分,采用2个STF-UKF滤波器交替运行辨识全部参数.仿真结果表明,该算法在PMSM不同的工况下能够有效地辨识电机的全部参数.     

分布参数系统参数辨识的最佳测量位置

许多有关集中参数系统参数辨识的方法经改造后可推广到分布参数系统中,但其涉及的问题复杂,其中传感器的测量位置则是分布参数系统参数辨识过程的特有问题,它对分布参数系统的参数辨识精度有着很大的影响.从受噪声干扰的不同位置传感器检测值出发,构造了分布参数系统的信息矩阵,提出了一种基于信息矩阵行列式的优化算法,并采用D-最优试验设计准则优化传感器的位置配置,得到了分布参数系统检测传感器的最佳测量位置,同时保证了系统的参数辨识精度.仿真结果表明,该方法对于分布参数系统的输出和状态检测传感器位置的选择具有参考价值.     

模态分解法辨识线性结构在环境激励下的模态参数

根据线性结构中白噪声响应之间的相关函数与脉冲响应函数具有相同的数学表达式的特点,用模态分解法把相关函数分解为不同频率的信号,然后把各个不同频率的信号看作单自由度系统脉冲响应进行模态参数辨识。该方法的最大优点是：（1）把多自由度系统的模态参数辨识问题转变为单自由度系统的模态参数辨识问题;（2）不存在模型阶数的选取问题;（3）对输出噪声具有鲁棒性;（4）从测试数据中直接识别实模态,避免了由复模态提取实模态问题;（5）仅根据一个测点的响应信号就可辨识结构的频率和阻尼。算例表明,用模态分解法辨识线性结构在环境激励下的模态参数是成功的。     

遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法．该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计．仿真结果说明了该方法的有效性．     

输出过采样闭环系统辨识方法中最优过采样率的选择

提出了一种基于输出过采样技术的线性离散时间闭环系统辨识方法 ,通过对输出端施加过采样 ,将原闭环系统模型转化为过采样模型 .对于输出端白噪声、有色噪声干扰 ,分别利用最小二乘辨识算法和误差预报算法辨识出过采样模型 ,进而计算出原闭环系统的模型参数 .辨识结果中模型参数的估计误差服从均值为0的正态分布 ,方差由过采样率决定 ,据此推导出了使参数估计误差最小化的最优过采样率的计算方法 .该方法实现简单 ,运算量小 ,估计精度高 .仿真实验表明 ,当信噪比大于 15dB时 ,该方法的估计精度可达98% ;当过采样率为 15～ 2 0时 ,算法具有最优的辨识精度     

遗传算法在汽轮机调速系统参数辨识中的应用

分析了常规参数辨识方法在进行汽轮机调速系统参数辨识时存在的局限性,在对华阳后石电厂6号机组（600MW）汽轮机调速系统模型参数进行辨识时,采用了一种基于遗传算法的参数辨识方法,并利用Matlab及其Simulink工具箱予以实现．这种方法对现场试验条件的要求不高,试验时可以根据机组实际情况选择测点,并且可以较好解决非线性环节参数的辨识问题,比较适合于汽轮机调速系统的参数辨识．结果表明,辨识所得的模型参数能够满足电力系统分析对汽轮机调速系统模型准确度的要求．     

遗传算法在汽轮机调速系统参数估计中的应用

汽车机液压调速系统是一复杂非线性系统,现有的参数估计算法存在不足之处。遗传算法寻优能力强,可以在该系统的参数估计中应用。通过２个仿算例,表明遗传算法的估计精度高于现有的算法,具有良好的应用前景。     

遗传算法在结构振动控制中的应用

对遗传算法(GA)在建筑结构系统辨识、振动控制算法、结构振动控制作动器优化布置和作动器参数优化等研究方向的应用进行了较全面研究和计算机仿真分析.结果表明,遗传算法是一种高效的搜索计算和优化计算方法,这一算法非常适合处理结构振动控制领域中的诸多复杂优化问题,能够精确地识别复杂结构系统的动态响应,实现结构振动控制系统的优化设置.     

改进的遗传算法用于雷达天线曲面拟合

由于坐标系统不统一以及空间曲面方程的复杂性等，雷达天线表面检测是一个非线性求解问题。提出了改进的遗传算法求解雷达曲面方程拟合中的坐标平移、旋转以及曲面标准方程的参数。在一个工程实例中的应用和比较结果表明，遗传算法能够应用于雷达天线等曲面拟合，改进算法更具优势。     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

基于遗传算法的二阶段结构损伤探测方法

为了有效地进行工程结构的损伤识别,提出了一种基于遗传算法的二阶段损伤探测方法.首先利用基于频率的多损伤定位准则和基于位移模态的多损伤定位准则分别计算出有关损伤的初步决策,然后利用信息融合技术中的证据理论方法,将两者的初步决策进行融合,从而获得较为精确的损伤位置估计,最后在已识别出的可能损伤单元的基础上,利用改进的遗传算法进行更精确的损伤位置和程度估计.数值仿真结果表明,采用证据理论进行融合可以获得较为精确的损伤位置估计,比单纯的多损伤定位准则识别效果更好,而采用改进的遗传算法则可以更为精确地判定损伤的程度,优于简单的遗传算法.     

多变量模糊预测控制在板形板厚综合系统中的应用

针对板形板厚综合系统,提出一种基于遗传算法的多变量模糊预测控制新方法,该方法通过模糊预测来建立多变量系统的模糊模型,给出了辨识参数。同时,利用遗传算法优化控制,仿真结果表明该方法是有效的。     

甘肃南部双盾木属植物的ISSR分析

采用ISSR技术分析了甘肃南部分布的4种双盾木的遗传多样性和遗传分化．根据研究结果,指出4种双盾木属总的多态位点百分率（PPB）很高,达100％。其遗传多样性很丰富,但在种间的分布是不均匀的,结果与Nei’s基因多样度和Shahnon信息指数的遗传多样性分析结果一致,根据非加全算术平均聚类法以及ISSR特征图谱可以将不同种区分开来,得出ISSR分子标记可很好地用于双盾木属的分子鉴定和遗传背景研究的结论。