基于ADACD的新型辨识器及其模型参考自适应控制

将控制依赖自适应评估设计引入到非线性系统的辨识中,以寻求最佳模型.定义一个总评估函数表示系统在所历经时间内的辨识总误差,然后构造一个评估网络来近似逼近这个总评估函数.再构造一个辨识器网络,其输出直接作为评估网络的输入,这样通过最小化评估网络的输出就可以达到寻求最佳模型的目的.辨识器的参数修正原则不再是使当前时刻的辨识误差最小化,而是使评估网络的输出最小化,即使系统在所历经时间内的近似辨识总误差最小化,这样不仅大大加快了收敛速度而且取得了更加精确的辨识效果.在获得对象模型之后,还研究了利用神经网络设计模型参考自适应控制器的方法.仿真结果表明,利用这种新型辨识器设计的模型参考自适应控制器能够保证被...     

基于改进微分进化和分散辨识算法的炼钢模型研究

在炼钢过程模型辨识中,被控对象的动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点,使得难以对其建立比较精确的模型。为实现精确建模,提出了一种基于微分进化和分散辨识算法的辨识方法。该方法通过改进的微分进化算法,对系统进行参数优化,接着采用分散辨识在设定点输入阶跃信号,待系统进入稳态后再采样,使得到的稳态输出值能够更快、更精确地逼近实际系统的输出,达到精确建模的目的。仿真结果表明,通过微分进化算法可进一步确定炼钢过程的最佳参数,在采用分散辨识方法对炼钢复杂对象进行辨识后,可以建立更好的数学模型。     

异步电动机转子参数的自校正辨识方法的研究

转子参数的变化对异步电机调速系统的动静态性能有很大的影响。基于自校正方法设计了一种新的转子电阻的辨识算法。并通过仿真和实验 ,将这种算法与直接公式法进行了比较。在对自校正辨识算法进行研究时 ,主要分析了算法中参数 kp、 ki、电阻初始设定值、转速和负载转矩的变化对辨识效果的影响。讨论了负载转矩和转速对转子电阻辨识精度产生影响的原因。并且给出了该辨识算法的适用范围。实验结果证明了自校正辨识算法的有效性 ,特别是在大负载的情况下该算法可以准确地辨识出转子电阻     

交流伺服控制系统电机参数闭环辨识方法研究

通过分析永磁同步电机d-q坐标轴数学模型,提出一种交流伺服控制系统闭环辨识电机交直轴电感、定子电阻、转子磁链的方法,分析了非正弦磁通造成的电机模型误差、功率器件的开关死区和编码器的电机转子位置反馈延时等对参数辨识精度的影响,并给出了相应的补偿方法。实验结果表明,补偿后闭环辨识得到的电感随电流的变化曲线与有限元分析结果基本吻合,辨识出的电阻和磁链与实际测量和计算值偏差很小,证明了该文参数辨识及补偿方法的有效性。由于所辨识到的参数是控制电机运行时的等效参数,因此该文方法对控制器及电机的设计改进提供了依据。     

基于电压源变频器的异步电机定子电阻辨识方法研究

获得准确的电机参数是实现异步电机矢量控制、直接转矩控制、逆解耦控制等高性能控制策略的关键,尤其定子电阻误差对定子磁链观测精度有直接的影响.本文分析了传统基于变频器的异步电机定子电阻参数辨识存在问题,并提出了一种既可以消除电力开关器件通态压降影响又解决高频谐波干扰问题的定子电阻辨识方法.设计了跟踪-微分器从高频干扰电流信号中提取直流电流.搭建了仿真测试平台,测试了多组实验数据,构造数据矩阵,并采用最小二乘法估计待辨识的定子电阻,仿真结果验证了该方法具有很强的抗干扰能力及高的辨识精度.     

并联机构动力学建模及伺服系统参数辨识

研究一种三自由度并联机构动力学建模及伺服系统参数辨识方法．首先导出了外移动副驱动，含平行四边形支链结构的位置、速度及加速度逆解模型，并利用虚功原理建立其刚体动力学逆解模型．在此基础上，提出了辨识该并联机构伺服系统参数的一种方法．该方法采用变频三角波输入，克服了伪随机二位式序列信号幅值变化大、易造成对伺服电机冲击和引起其速度环开环等问题，且通过附加惯性负载，可将包括伺服系统转动惯量在内的所有参数辨识出来，为系统动态性能在全工作空间内取优奠定了基础．     

一种电力电子电路参数性故障的辨识方法

为准确辨识电力电子电路参数性故障,研究了电力电子关键器件的故障模型,并将其纳入了电力电子电路的混合自动机模型中进行了参数辨识的仿真和实验研究,结果证明了本文方法的有效性.     

最小二乘支持向量机在汽车动态系统辨识中的应用

汽车转向时动态系统参考模型对于汽车稳定性的控制有重要影响．基于最小二乘支持向量机算法,应用网络搜索和交叉验证的方法选择支持向量机参数,并将其应用于汽车转向时的非线性动态系统辨识,取得了良好的辨识效果,建立的参考模型能够较充分地描述汽车动力学行为。     

用 Hopfield 网络求 LS 法的损失函数及辨识参数

讨论了用连续Ｈｏｐｆｉｅｌｄ神经网络实现最小二乘（ＬＳ）法同时求损失函数及辨识参数，进而对该网络的一次输入的矩阵参数进行多阶次辨识的计算。通过增加一维输入矩阵使其构成计算所需要的结构，及根据最小二乘法结构上的特点对该网络的反馈信息加以控制的手段，使该网络在稳定时，能够同时输出辨识参数及损失函数。依此顺序对反馈信号进行控制，可以依次得到低于该输入阶次的各阶辨识参数及损失函数     

不确定Gray-Scott系统的参数辨识与时空混沌同步

将离散控制系统的滑动变量零渐近的性质扩展为连续的,应用于描述时空混沌的偏微分方程中,提出了一种实现时空混沌同步和参数辨识的方法．设计了参数辨识器和同步控制器．以不确定Gray-Scott系统为例,验证其有效性．仿真结果表明,参数辨识器中的辨识量能够有效地替代目标系统和响应系统中的未知参数．施加控制器后,两个未知参数的时空混沌系统迅速地达到完全同步．     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

基于样本优化的神经网络方法在储层裂缝识别中的应用

常规测井资料解释应用于非常规储层裂缝识别时,存在裂缝识别率低,储层评价不准确等问题;而成像测井方法(FMI)识别效果好,但成本过高。为了提高常规测井裂缝识别的准确率,首先采用BP(back propagation)神经网络方法,建立常规测井参数与裂缝发育程度之间的非线性关系。在神经网络样本选取上,引入K-means聚类算法,依据不同样本特征对其进行优化分类。最后,利用聚类结果分别建立更为精细的神经网络模型,并用于实际裂缝预测。将该方法应用于塔河油田碳酸盐岩储层A探井,识别结果表明:基于样本优化方法的裂缝密度曲线拟合效果(相关系数R分别为0.84、0.89、0.76)明显优于未考虑样本优化方法(R为0.58),验证了本文方法的优越性,可以将其作为一种识别储层裂缝发育程度的新方法。     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.     

基于神经网络的空间7R冗余机器人的运动模型辨识

针对空间冗余机器人运动学控制中正、逆运动学求解的复杂性，采用神经网络从两方面解决这一问题。一是从神经网络出发，提出了一种新的动态神经网络结构--状态延迟输入动态递归神经网络（SDIDRNN），提高了网络的学习速度；二是从辩识方案出发，以SDIDRNN为基础，在空间7R冗余机器人正、逆运动学模型辩识的问题上，设计了一种新颖的解耦辩识方案。将其与另外两种具有普通网络结构的辩识方案相比较，说明了该新方案具有更高的学习能力，辩识误差可降低到对比方案的40％-6％。由于学习速度的提高，达到设定误差时的训练次数大大减少，使该方案在机器人运动控制系统中的实时计算能力大大增强，为神经网络在机器人运动学控制中的应用提供了一条崭新的思路，具有重要的应用意义。     

道路网交通流状态变化趋势判别方法

根据城市快速路交通流参数实测数据所表征的交通流状态特性,结合基本图和三相交通流理论,将道路网交通流状态划分为自由流状态、拥挤流状态和阻塞流状态.在此基础上,采用模糊信息粒化的思想,以道路网检测断面数为窗口,设计三角形模糊隶属函数,将同时段的道路网交通流状态映射为含有低边界值L、中值R和高边界值U三参数的模糊信息粒.以模糊信息粒为输入,建立Elman网络模型预测交通流状态变化趋势.依据预测结果计算道路网交通流状态综合指数,判别未来时段道路网交通流状态,并以北京市某一区域路网为例进行实证性研究.研究结果表明:所提出的方法能够实现道路网交通流状态变化趋势判别,准确率为93.33%,同等条件下支持向量机模型判别准确率仅为86.67%.     

模态参数识别的等精度拟合法

提出了密集模态的拟合精度矩阵概念及相应的等精度拟合方法.在保证一定拟合精度的前提下.尽可能少的考虑频带外模态的影响,消除了无谓的计算工作量,并且把拟合结果与实际误差分析紧密的结合在一起。该法适用于大型模态试验的结果分析。     

基于过程神经网络时变系统的参数辨识

提出了一种基于过程神经网络时变系统的参数辨识方法,过程神经网络具有强大的非线性映射功能以及自学习、自适应等功能,其输入与时间有关,输出可为变量.文中基于过程神经网络,对一刚度随时间变化的三自由度系统进行参数辨识.实验结果表明:提出的方法对于时变系统具有较好的辨识效果.     

离散Hopfield网络的置换对称性与逆联想记忆

着重从理论上探讨离散Ｈｏｐｆｉｅｌｄ网络的置换对称性，同时根据采用样本优选规则构造的神经网络所具有的一种特殊的置换－不变置换的原则，建立一种新的联想记忆－逆联想记忆。     

实用型指纹识别系统的研究

描述了一种兼有联机式和独立式的实用型指纹识别系统.在联机式工作模式下,终端通过以太网和中央服务器连接,将指纹算法的运行、指纹数据库的存储放在服务器端,该系统具有存储量大、运算速度快、功能强等特点,但是一旦网络瘫痪则系统无法工作;独立式指纹识别系统能够在终端识别指纹,不依赖网络.通过将两者结合起来,解决了指纹识别系统中性能和可靠性的矛盾.     

基于混合递归算法优化的PID控制器

针对RBF神经网络PID控制器,使用递阶遗传算法和梯度下降法的混合算法来优化隐含层到输出层的权值、隐层节点的中心和核宽度.仿真显示,精度高,性能优于梯度下降法.