毫米波频率步进信号目标辨识角误差信息提取途径

研究在频率步进目标辨识功能下,获取弹目线相对于导引头轴的俯仰及偏航角误差信号的可能途径。方法根据圆锥扫和实验数据对天线波瓣方程进行拟合,从而论证获得取获角误差信号的３种可行性方案。     

基于阻尼最小二乘法的鲁棒自校正预测控制器

本文将广义预测控制器（GPC）与阻尼最小二乘法（DLS）相结合,构成一种鲁棒自校正预测控制器．仿真结果表明,这种算法比基于通常的递推最小二乘法（RLS）的自校正预测算法有更强的鲁棒性．     

衰减激励条件下确定性系统多新息辨识的收敛性分析

在衰减激励条件下,分析了确定性系统多新息辨识算法的收敛性。得到了如下结果：１）当信息向量φ（ｔ）有界时：（ｉ）衰减指数ε＞１２时,估计误差θ（ｔ）有界,即‖θ（ｔ）‖＝Ｏ（１）或‖θ（ｔ）‖≤Ｍ＜∞;（ｉ）ε＝１２时,θ（ｔ）以１ｔｃ（ｃ＞０）速度收敛于零,即‖θ（ｔ）‖＝Ｏ１ｔｃ;（ｉｉ）０＜ε＜１２时,θ（ｔ）以指数ｅｘｐ（－ｃｔ１－２ε）（ｃ＞０）速度收敛于零,即‖θ（ｔ）‖＝Ｏ（ｅｘｐ（－ｃｔ１－２ε））。２）当φ（ｔ）以ｔμ速度增加（μ＞０）,即φ（ｔ）＝Ｏ（ｔμ）或‖φ（ｔ）‖≤ｃｔμ,ｃ＞０,（ｉ）μ＋ε＞１２时,θ（ｔ）＝Ｏ（１）;（ｉ）μ＋ε＝１２时,θ（ｔ）＝Ｏ１ｔｃ,ｃ＞０;（ｉｉ）μ＋ε＜１２时,θ（ｔ）＝Ｏ（ｅｘｐ（－ｃｔ１－２（μ＋ε）））,ｃ＞０。     

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。     

遗传算法及神经网络在锅炉负荷优化分配中的应用

针对并列运行锅炉群的负荷优化分配问题,提出用遗传神经网络辨识给煤量-产气量模型,并用改进的遗传算法进行负荷优化分配.给出了改进遗传算法和遗传神经网络的辨识原理.负荷优化分配结果表明,该方法优于平均分配方法.     

基于可辨识矩阵的动态属性约简算法

可辨识矩阵是粗集理论中可以标识决策属性和条件属性之间关系的矩阵。根据数据库的动态建立特性，提出了一种基于粗集理论中的可辨识矩阵的动态属性约简算法，利用数据的动态性和可辨识矩阵的特性对己有的属性约简进行修正，并通过实例证明了这种算法的有效性，该算法极大地节省了计算量，提高了算法的执行效率。     

循环流化床锅炉燃烧过程的小波建模研究

针对高维非线性系统，分析了基于多分辨分析的正交小波网络的建模能力。并用于循环流化床锅炉燃烧过程的动态建模，根据现场采集的实时数据进行网络训练和泛化实验。理论分析和实验结果表明网络具有良好的辨识精度和泛化能     

基于竞争神经网络的ABS路面辨识

在传统的防抱死系统中,由于没有额外的传感器测试更多的参数,以及路面的不平度、信号的干扰等原因,至使路面辨识非常困难·针对以上问题,通过对整车制动模型和ABS制动模型的研究,建立了基于竞争神经网络的ABS路面辨识模型,此路面辨识模型是通过对标准信号进行反复学习记忆,用非线性映射方法进行特征抽取并存储于网络的各节点上·工作时,当输入信号存在变形或噪声时,该模型通过联想记忆对输入信号进行聚类分析,得出正确的判断·实验表明,该辨识过程是一种高层次的认知过程且便于批量生产、升级、更新和维护·     

结构时变模态参数辨识的时频分析方法

应用线性和二次时频变换方法，即短时傅里叶变换和魏格纳—维尔分布，进行了时变结构模态参数的辨识．通过对刚度突变和刚度连续变化的单自由度系统时变参数辨识的仿真，论述了两种时频辨识方法的特点．仿真结果表明，时频变换辨识方法是辨识时变模态参数的有效工具，而且魏格纳—维尔分布二次时频表示能得到比基于短时傅里叶变换的谱图更好的辨识结果．     

挠性结构模型的频域极大似然法辨识

在构建的以压电陶瓷为执行器、电阻式应变片为传感器的挠性悬臂梁物理实验系统基础上,优化设计多正弦辨识输入信号,利用频域极大似然法辨识得到了整个系统的数学模型,并根据该模型进行了数字和物理控制仿真,验证了模型的有效性.良好的控制效果表明:对于挠性结构,频域极大似然法是一种有效的模型辨识方法.