递推最小二乘估计在林业中的应用

<正>本文试图将递推最小二乘估计引用于林业工作,以弥补林业上通行的最小二乘估计的不足,通过的阐释,并对所举两例计算的结果,说明了它既保持最小二乘估计的优良特性,又能在森林资源动态监测工作中充分发挥其特有作用。     

递推部分最小二乘方法

部分最小二乘(PLS)回归可较好地解决多元线性回归中的共线性问题,目前被广泛地应用于过程建模和监控.作者首先给出核PLS算法,然后在此基础上推出递推部分最小二乘(RPLS)方法,可以基于新数据和旧的PLS模型参数更新PLS模型.将该递推PLS方法和传统PLS方法同时用于仿真研究,结果表明递推算法性能和传统方法的相近,而计算量大大减少.     

基于PLC的最小二乘参数辨识的实现

文章基于西门子S7-300 PLC(可编程逻辑控制器),根据最小二乘算法原理,设计了一种能够在线估计系统模型参数的辨识器;在编程过程中大量使用了功能FC,利用其临时变量来节省PLC存储器空间,以完成较为复杂的运算;最后以双容水箱为对象进行了在线辨识.结果表明,所设计的辨识器具有良好的实时性和准确性.     

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。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

多元线性回归递推最小二乘估计的一种新形式

给出一种新型的多元线性回归模型参数的递推最小二乘估计,在很大程度上,新的方法改进了传统的最小二乘估计。     

非线性系统的递推最小二乘自适应模糊控制

提出了一种可有效消除被控系统不确定性的自适应模糊控制方法．该方法采用模糊逻辑系统（FLS）来辨识系统的未知函数，并采用连续形式的递推最小二乘算法作为自适应律调节FLS权参数．该自适应律可保证FLS权参数稳定收敛，最终收敛至最佳值的一个很小邻域中，同时保证跟踪误差指数衰减趋于0．倒立摆仿真结果表明，采用该方法时，辨识的归一化平方误差小于2％，其相对跟踪误差较混合自适应控制方法减少了58％．     

动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。     

基于最小二乘法的Bouc-Wen模型参数辨识

Bouc-Wen模型是工程中应用比较广泛的一种迟滞模型,能够产生一系列不同的光滑滞回曲线,但在实际应用中,因其数学表述上的复杂和参数物理意义不明确而使得其参数辨识存在一定的难度.文中提出一种基于最小二乘法原理的参数辨识方法,它根据系统的输入和输出直接辨识模型中的等定参数,通过在电梯导靴摩擦力建模中的应用表明该方法辨识精度较高,具有较好的实际应用价值.     

最小二乘辨识算法的并行计算及实现方法

以机器人自适应扰动控制中系统参数的辨识为模型，对逆归最小二乘辨识算法的并行计算进行了较深入的研究。结果算法的实施，提出了一种基于Ｉｎｔｅｌ８０９８单片机的多单片机结构，其中单端口写入、多端口读出的共享存贮器方案可命名微处理机间直接进行数据传输，有效地提高了数据的传输速率。     

RLS算法的改进性能分析

讨论了递归最小均方误差算法（RLS）的性能分析。对该算法误差的均值及方差都进行了研究,在平均原理基础上使用了更精确的算是方法,得到一种改进的性能分析方法,新的分析方法得到的理论值更接近模拟的结果,优于通常方法的结果,还利用新的分析方法讨论了基于RLS算法的稳定性。     

时间渐消递推最小二乘估计的矩阵QR分解方法

给出了当数据一步更新时,利用矩阵QR分解进行最小二乘估计的直接递推形式。与利用Givens旋转变换进行参数递推估计的方法相比,该方法直接表征了被辨识参数的递推计算关系,因而可直接判定递推估计算法的收敛性。     

非公路车辆簧载质量实时估计

针对非公路车辆簧载质量估计问题,提出了一种采用油气弹簧气压测量与车体在线姿态测量相结合进行实时簧载质量估计的方法.建立了基于单筒式油气弹簧的整车7自由度振动模型,利用带遗忘因子的递推最小二乘估计方法对簧载质量进行估计,并以D级道路作为仿真激励进行了仿真实验.研究了递推最小二乘估计中遗忘因子、滤波器参数及车速等因素对质量估计性能的影响,结果表明所提出的质量估计方法具有良好的准确性和实时性.      

基于双层结构的商用车质量辨识算法

针对山区路面商用车整车质量辨识问题,设计了一种汽车质量辨识算法.基于车辆纵向动力学模型提出了基于双层结构的商用车质量辨识算法：上层为基于倾角传感器的路面坡度估计算法;下层为基于带时变遗忘因子的递归最小二乘法的整车质量辨识算法.使用TruckSim软件平台分析了汽车悬架对上层算法的影响,并进行了实车试验.试验结果表明,所提出的质量辨识算法能够有效地估计路面坡度和整车质量,估计准确,收敛速度快,修正后的整车质量均方根误差平均值从209.97 kg减小到117.43 kg.     

递推批量最小二乘在直升机电动舵机故障诊断中的应用

针对批量最小二乘在线辨识Volterra级数存在计算量大，数据存储空间占用多的不足，提出了一种基于递推批量最小二乘的辨识方法。该方法通过固定观测矩阵的维数来控制数据存储空间的占用，利用递推辨识的方法避免了对矩阵直接求逆，减小了计算量。针对监测对象处于稳定工作状态时，因观测数据非常相近容易导致观测矩阵出现病态的现象，引入影响因子的概念对观测数据进行取舍，以增强辨识数值的稳定性。通过在直升机电动舵机故障诊断中的实际应用证明了该方法的有效性，为基于非线性频谱分析的在线故障诊断技术提供了一个重要途径。     

严格的最小二乘递推算法

当缺乏待估计量的初始统计知识时,最小二乘递推（ＲＬＳ）算法不能给出严格意义下的最小二乘估计．本文继文献［１］之后,应用广义逆的理论,分别就一般加权情形、最优加权情形和指数加权情形给出了严格的最小二乘速推算法（简称Ｒ２ＬＳ算法）．该算法无需事先提供待估计量的任何统计知识而能获得严格意义下的最小二乘估计,且证明了该算法分别为时变与定常系统提供了最短时间无偏状态估计算法与无差状态观测器．     

自回归AR模型整体最小二乘分析

主要讨论时间序列的自回归模型AR（p）的参数估计问题,列出常用的普通最小二乘估计和整体最小二乘估计方法,列出算例进行比较分析。     

一种改进的递推最小二乘盲多用户检测算法

为提高基于递推最小二乘(RLS)算法的盲多址干扰抑制检测器的稳态输出性能，根据空间正交投影算法和自适应判决反馈控制算法，提出一种基于RLS算法的自适应判决反馈盲干扰抑制检测器，该检测器在启动阶段，等价为一种基于RLS准则的盲干扰抑制检测器，在稳态收敛阶段，等价为一种有训练数据的RLS干扰抑制检测器．既保持了最小输出能量(MOE)检测器的全局收敛性，又具有最小均方误差检测器高输出信干比的优点．计算机仿真结果表明，该检测器性能优于已有的基于MOE准则的检测器，且能应用于时变信道．     

关于岭估计改进的研究

在奇异线性模型下,基于广义岭估计基础上提出新估计改进,对参数范围扩大化进行了处理,重点验证了新估计的一些重要性质及其优良性.