基于最小二乘法研究一类过程的模型化

对于一类具有自衡的非振荡的对象,把它近似成一阶惯性纯滞后环节.利用最小二乘参数估计方法,确定一阶惯性纯滞后环节传递函数参数,基于Matlab编写辨识程序.     

基于最小二乘法的飞行员模型参数辨识

针对飞行员与飞机相匹配的特点,采用最小二乘法对飞行员模型进行参数辨识.根据Hosman感知模型的特点,确立待辨识参数,为提高辨识精度,重点分析了辨识数据野值的剔除和补正.在俯仰工况下,利用最小二乘递推算法辨识参数,并在研究用Boeing 737-800飞行模拟机上对该方法进行了试验验证.结果表明,飞行员模型的仿真输出曲线与飞行测试数据之间的升降舵角度误差小于0.3°,俯仰角误差小于0.5°,说明通过该方法获得的模型参数能够反映飞行员实际的操作行为.     

基于直接积分最小二乘法的同步发电机的参数辨识

针对同步发电机模型参数中多个不可观测量的存在使得需要求解复杂的微分方程组对电机参数进行辨识,进而导致了辨识困难,提出了一种完全由可观测量表示的同步发电机辨识模型,即状态量均为由发电机出口电流、励磁电压、励磁电流以及功角,转速变量增量表示的可量测量,并基于该模型提出用直接积分最小二乘原理(DILS)来辨识发电机参数.这样既避免了复杂微分方程的求解过程,简化了参数辨识方法,又提高了辨识效率.辨识后,利用MATLAB进行算例仿真,通过实测曲线和辨识曲线的拟合表明了所采用的辨识模型与算法是正确、有效的.     

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.     

基于最小二乘法的锂离子电池参数辨识方法研究

目的 针对使用戴维南等效电路模型对锂电池进行参数辨识不够精确的问题,提出一种二阶 RC 等效电路模型并对锂电池进行参数辨识。 方法 通过脉冲放电实验得到锂电池的相关数据,在 MATLAB 上使用最小二乘算法对所建立的二阶 RC 等效电路进行参数辨识,并对不同 SOC(State of Charge)下锂电池各个参数的变化情况进行分析,通过计算锂电池的端电压来判断参数辨识的精确度,最后将辨识结果与戴维南等效电路模型所辨识的结果进行对比并分析。 结果 随着锂电池 SOC 下降,锂电池的各个参数会有轻微的波动,在锂电池的 SOC 处在较低的水平时,锂电池的各个参数变化比较剧烈,这是由于锂电池的化学浓差极化所导致的,当将辨识的参数用来求解锂电池的端电压时,随着时间的推移,发现锂电池的端电压的误差波动比较稳定,且最大误差不超过 0. 05 V,反观使用戴维南等效电路模型求得锂电池的端电压误差波动比较大,且最大误差超过了 0. 08 V。 结论 在锂电池参数辨识上二阶 RC 等效电路比戴维南等效电路更加准确,能够更好地描述锂电池的动静态特性,为后续对锂电池的荷电状态估计提供了有力的基础。     

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。     

采用非线性最小二乘法的超级电容等效电路模型参数辨识

针对电动汽车混合储能系统中超级电容在传统模型参数辨识中误差较大、不利于估计其工作状态和进行系统能量管理的问题,提出了一种采用非线性最小二乘法的等效电路模型参数辨识方法。为了精确表征超级电容内部电荷再分配过程及其端电压特性,减小模型误差,该方法首先在超级电容三分支等效电路模型的基础上,分析超级电容充、放电过程中内部的电荷再分配过程;然后,利用粒子群算法分段辨识得到模型参数初值;最后,在所得模型参数初值的基础上采用基于信赖域的非线性最小二乘法对模型参数进行优化。采用超级电容进行多组恒流充、放电实验,结果表明,在不同充、放电条件下,模型计算的端电压与对应实验测试端电压的平均绝对百分误差均在0.5%以内,由此验证了基于非线性最小二乘法参数辨识的有效性和准确性。     

基于最小二乘递推算法的半主动悬架系统参数辨识

为了减少在实体建模过程中的误差,本文对半主动悬架系统进行参数辨识研究。在对悬架结构进行分析的基础上,基于ADAMS建立了半主动悬架减振控制系统的实体模型。采用最小二乘递推算法对悬架系统各指标参数进行辨识,辨识后的输出响应曲线与MATLAB输出曲线基本吻合。仿真结果表明:最小二乘递推算法可以有效地降低误差值,提高悬架系统实体建模的准确性,对进一步的悬架系统控制策略研究具有非常重要的意义。     

基于MATLAB的最小二乘法系统辨识与仿真

将MATLAB应用到系统辨识中,在分析最小二乘法的基本原理和推导过程的基础上给出了系统辩识中算法参数估计的递推公式,并进行了实例仿真.     

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。     

基于最小二乘偏差补偿法的舵机模型参数辨识

舵机作为无人旋翼机一个重要的执行机构,控制着旋翼机飞行姿态与轨迹的改变,为建立舵机的数学模型,提出了基于最小二乘偏差补偿法辨识伺服舵机的模型参数。在研究了伺服舵机的结构与工作原理的基础上,首先建立舵机各组件模型,综合得到舵机的系统模型;然后采用最小二乘偏差补偿法辨识模型参数。实验仿真验证了该方法具有较高辨识精度与有效性。     

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。     

基于最小二乘改进算法的时变系统参数辨识

在系统辨识领域,常规最小二乘法是一种最基本的辨识方法之一.然而,随着观测数据的不断增加,会出现“数据饱和”的现象,造成新观测数据对估计值起不到修正的作用.由于新观测值对未知参数估计的影响要比旧观测值大,采用了渐消记忆和限定记忆最小二乘改进算法,来实现时变过程的参数辨识,并进行了仿真实验.仿真结果表明,它们能够克服“数据饱和”现象,从而改善参数辨识结果     

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。     

基于最小二乘法在线参数辨识的异步电动机矢量控制仿真

为取得高性能的异步电机矢量控制,将一种基于最小二乘法在线辨识异步电机参数的方法运用到矢量控制系统中.这种基于最小二乘法异步电机参数辨识方法是在转子坐标系下进行的且不需要电机转子磁链参数,只需要定子电压、电流和转速参数.文章通过Matlab/Simulink对基于最小二乘法的参数辨识的异步电动机矢量控制系统进行了仿真,仿真结果表明:这种电机参数辨识方法能够实时更新电机控制参数,改善了矢量控制系统的性能.     

论最小二乘圆参数的算式

近来有人对最小二乘圆的参数,提出精确算式:a=1/n∑x_i,b=1/n∑y_i,R=1/n∑((x_i-a)~2+(y_i-b)~2)~(1/2)笔者按最小二乘原理推证:此式不能精确得到,并论证了此式的错误原因.     

随机干扰系统的辅助模型递推广义增广最小二乘辨识方法

基于辅助模型辨识思想,提出了一般有色噪声干扰随机系统的辅助模型递推广义增广最小;乘辨识方法。仿真例子说明提出方法的有效性。     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

基于分段递推最小二乘估计的汽车质量辨识试验

基于电动轮驱动电动汽车平台道路试验,对一种新的汽车质量辨识算法进行了研究.该方法根据加速度传感器能够测量沿测量轴的重力分量的特点,排除了坡度对质量辨识的影响;根据加速度分段方法,分别利用两段递推最小二乘算法得到行驶阻力及质量的估计值.在电动轮驱动电动汽车平台上分别进行了沥青、塑胶及碎石路面上以及坡道上的试验,分析了行驶阻力与质量辨识的误差与收敛情况,并针对几种特殊工况对算法进行适应性改进.试验结果显示,不同质量及道路状态下的估计误差均在2.5%以下,表明所设计的辨识算法具有很高的估计精度,具有良好的工程应用价值.     

鲁棒递推最小二乘参数辨识的新方法

本文提出一种新的回归方程的鲁棒递推辨识方法。该方法通过Huber函数选择加权因子,使得参数估计值对由测量系统引起的大扰动或异常值具有鲁棒性。文中给出并证明了该算法对确定性系统的参数估计的收敛性与一致性定理。两个线性动态系统的计算机仿真实例显示出该方法对大扰动或异常值的良好鲁棒性以及参数估计的收敛性。