非全数据EV模型的参数辨识及可靠性分析

对于在测量系统(Ⅰ)下分别测到n个数据值的n件产品，在测量系统(Ⅱ)下只测到其中的n1件产品，未测到的n2(n1 n2=n)件产品在使用了t1h后，需要在测量系统(Ⅱ)下做无替换定期检测，要求对这n2件产品作出可靠性分类，分类标准是与使用前相比其改变量不超过一个额定值．论文使用期望最大(EM)算法，对这种非全数据的变量含误差(EV)模型的参数给出了一种辨识方法，并给出了估计标准、错分概率及相应的错分代价，用此方法解决了某飞机发动机公司的高压涡轮叶片的寿命分析问题。     

静态负荷模型参数辨识的一种混沌优化策略

混沌优化方法利用混沌运动的随机性、规律性、遍历性寻优,能以较大的概率搜索到全局最优点。将一种高精度的混沌优化策略用于电力系统静态负荷模型参数辨识,克服了传统的基于梯度寻优的辨识方法容易陷入局部最优点的不足。此方法使用了三步混沌搜索,并引入随机数来增强遍历性。实际算例的辨识结果证实了此方法在静态负荷模型参数辨识中的有效性和准确性。     

灰色增量──微分动态模型与中间变量辨识方法及其应用

本文对灰色GM(1, 1)、GM(2, 1)建模方法作了扩展和改进, 重新构造累加生成模式。利用多级增量序列首先进行回归建模, 引入中间变量并对其辨识和模拟, 使原始时间序列中隐含的有序性、规律性及灰色信息不断白化。灰色增量--微分动态模型具有系统开放性, 模型结构的包容量和信息量十分丰富, 为自然、社会经济等复杂系统建模、控制、预测提供了有效方法, 并消除了灰色GM(1, 1)、GM(2, 1)模型的局限性及不足之处；对全国总人口序列采用柯布--道格拉斯函数模型进行增量序列拟合建模, 在中间变量层次中揭示出周期性变化规律, 拟合效果极显着, 平均误差率1.21%, 最大误差率2.73%, 拟合精度极高。     

林木直径分布结构转移参数的辨识

在林木直径分布结构转移连续性方程的基础上,进行离散化分析,讨论了林木直径转移参数的性质和辨识方法,该方法对林木生长状态进行预测、预报及林业资源的最优生长控制具有重大意义。     

气动系数模型辨识的逐步回归法

本文论述了逐步回归法在气动参数模型辨识中的具体应用，描述了该法的应用前景及误差分析。     

一种改进的多模型噪声辨识方法

在混合系统参数估计问题中，交互式多模型算法是一种比较有效的求解方法。但是当系统机动模式较多时，模型集中的模型数目也随之增加。针对模型集过大导致的参数估计精度下降的现象，提出了一种改进的多模型算法，并将其应用于系统噪声辨识。它利用多扫描量测信息，采用离散优化技术，获得近似于系统的实际噪声水平的最优的子模型集。然后，利用此进行噪声估计作为结果输出。Monte Carlo仿真结果表明了新算法估计精度优于标准IMM算法。     

多变量系统模糊动态模型的辨识

介绍了一种新型的基于模糊神经网络的多变量模糊动态模型的辨识方法 ,该方法是通过将输入空间进行直接划分 ,而不是在输入空间的每一维上进行划分来得到模糊规则的。这样所形成的隶属函数为多维隶属函数 ,并使模糊规则的数目大为减少。在模糊聚类算法的基础上 ,提出了一个衡量聚类有效性的函数 ,以确定模糊规则的数目。以二级倒立摆系统为应用背景 ,取得了较好的辨识效果。     

基于操作轨迹LPV模型的非线性辨识

提出一种基于操作轨迹LPV模型的非线性辨识方法:根据调度变量的操作轨迹,选取若干个典型工作点;在各个典型工作点,进行测试与辨识相应的线性模型;然后,根据工作点测试数据以及各工作点间的过渡数据,辨识出全局插值LPV模型.它降低了测试辨识成本,且算法简单可靠,仿真结果表明了该算法的有效性.     

多变量随机系统的辨识软件IDMR

软件IDMR是用于辨识离散时间多变量随机系统的有效工具,它同时还使用辨识结果给出系统输出仿真。本文介绍IDMR的结构和功能及其特点,并对使用方法和运行操作进行了说明。     

运用ADE算法进行Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.     

一种内涵式参数辨识的GM(1,1)新模型

针对普通GM(1,1)模型应用于非平缓变化序列预测时误差较大甚至失效的缺陷,提出了一种内涵式参数辨识的GM(1,1)新模型。推导了模型边值、背景值权重系数、发展系数以及灰作用量与预测值之间的非线性内涵表达式,并采用粒子群算法(particle swarm optimization, PSO)对内涵式参数进行辨识,建立了PSOGM(1,1)预测新模型。典型算例表明,PSOGM(1,1)模型收敛速度快,较普通GM(1,1)模型具有更高的预测精度,可应用于平缓变化及非平缓变化序列预测。     

混沌系统的参数辨识与控制

把观测器思想用于系统中未知参数的辨识 ,对混沌系统中的未知参数进行了辨识研究。数值结果表明 ,对未知参数为常数或缓慢变化的信号 ,提出的方法都能给出很好的辨识结果。随后 ,把辨识和控制问题综合起来考虑 ,提出改进的混沌控制方法 ,数值仿真表明了该方法的有效性     

非线性回归模型辨识的混合计算智能算法

通过定义牛顿算子、选择算子、混合数据结构以及适应度，得到可结合遗传算法和牛顿法两者长处，既有较快收敛性，又能以较大概率求得全局解（一致收敛估计）的非线性参数辨识算法。数值计算结果表明该方法显著优于遗传算法和牛顿法。     

一种直升机舵机的GFRF模型辨识方法

改进了以多音组合正弦信号为持续激励信号的非线性系统GFRF非参数模型辨识方法。并成功地利用该方法辨识出某型直升机并联电动舵机的GFRF模型．实践表明，改进后的辨识方法辨识精度高且稳定，只需很小的计算量和数据存储空间，是一种有效的非线性系统辨识方法，具有重要的工程实际应用价值．     

基于遗传算法的伺服系统摩擦参数辨识研究

LuGre摩擦模型能够精确描述摩擦环节的动态特性 ,但由于其高度非线性 ,使得参数辨识非常困难。针对LuGre摩擦模型 ,提出一种新型的基于遗传算法的模型参数两步辨识方法。首先通过Stribeck曲线 ,辨识出摩擦模型中的静态参数 ,然后由系统的稳态极限环振荡响应 ,辨识出摩擦模型的动态参数。在每一步辨识中 ,均采用遗传算法作为优化工具 ,从而避免了采用线性辩识方法时的局部极小问题。对提出的方法进行了数字仿真 ,并通过设计摩擦补偿环节 ,对辨识参数进行验证 ,结果表明了该方法的有效性。     

基于遗传算法的Cobb-Douglas模型参数的灰色辨识

运用ＧＭ（０,ｈ＋１）模型方法,同时应用改进的遗传算法,提出了基于遗传算法的Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型参数的灰色辨识方法,并建立了Ｇｒｅｙ－Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型。通过实例的拟合检验表明,应用提出的方法是有效的。     

行波型超声电机基于输入电压变化的参数模型辨识

针对超声电机具有很强的依赖于输入控制电压的非线性和时变特性,很难建立适合控制的完整而精确的动态数学模型的问题,在分析行波型超声电机接触机理的基础上,将输入控制电压对超声电机动态参数的影响转化为所建模型时间常数、系统增益和延时参数的变化,并使用函数插值原理辨识模型参数与输入电压之间的函数关系,建立了电机的整体数学模型.最后给出实验结果验证了模型的有效性.     

Sugeno模糊模型的辨识

提出了一种新的Sugeno模糊模型辨识算法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量;通过Box-Jinkins数据建模说明了本文算法的有效性.     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.