一种改进GMDH的新方法

本文提出在ＧＭＤＨ中利用“新息贡献”准则选择关键变量（包括初始变量和中间变量）、自动构成最优部分多项式，并且给出了递推算法以避免重复运算，从而优化了模型结构，提高了精度，简化了建模过程。最后用仿真例子验证了新方法的有效性。     

带过重力补偿的比例导引制导律参数设计与辨识

研究以增大导弹落角为目标的过重力补偿比例导引律及其工程应用。将重力补偿信号作为加速度补偿指令引入线性比例导引回路,从而建立了仿真数学模型,分析了重力补偿系数、比例导引系数等参数对制导系统性能的影响,并根据遥测数据给出实际系统的过重力补偿系数、比例导引系数的辨识结果从而验证了理论设计结果,得到过重力补偿比例导引律的一般设计方法。     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

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.     

核心元素的特征及其在决策树生成中的应用

利用粗糙集约简的辨识矩阵，给出属性是核心元素的充要条件为该属性是辨识矩阵中单元素集．利用上近似与下近似给出了判断是否核心元素的两个充分条件，指出利用核心元素简化决策树比用熵函数ID3方法简化的决策树更简单．     

非线性动态网络/系统（N/S）模型辨识与故障诊断

采用方波脉冲函数变换（BPFT）对一类非线性动态N/S混合模型(H1,B)进行了辨识，导出了计算混合模型（H1,B）的相关公式和N/S响应的伏特劳级数解在方波域内的离散递推算式，解决了一类非线性动态N/S模型的数值计算问题.在此基础上，提出了一种基于多重预置模型的非线性N/S的故障诊断方法，该法通过检验各个预设模型与N/S当前状态的匹配程度来判断N/S是否处于某种故障状态，而无须在线估算N/S当前的模型及分析其特征，从而极大地减轻了在线计算工作量，可实现在线故障诊断.给出了故障诊断实例，实验结果表明该法故障诊断的准确率达到80％～90％.     

基于最小方差控制的闭环辨识信号设计

讨论了系统辨识实验信号的设计方法．从实际控制器和理想控制器间误差的角度出发，评价系统性能指标为系统在实际和在理想控制器控制下输出误差的平方均值最小．当输入信号或输出信号能量有限时，分别推导出辨识输入信号功率谱密度．当控制策略为最小方差控制时，给出信号功率谱的具体表达式．结论对在最小方差控制下的闭环辨识信号设计有指导作用．     

长江三峡库区污染混合区的有限元模拟

为进一步弄清长江三峡水库修建对库区水质的影响 ,确定库区的环境容量 ,需要针对库区主要城市排污口及重要支流汇流口附近污染混合区进行计算。建立了求解浅水流动及其污染物输移扩散的分步有限元格式。采用 k- ε紊流模型确定紊动应力和污染物质扩散系数。对长江和嘉陵江汇流口附近的流场和浓度场进行了模拟。利用实测资料对模型进行了率定和验证。选取了桃花溪和李家沱两个典型排污口 ,对建库前后的污染混合区范围进行了预测 ,分析了建库前后污染混合区的变化。计算结果表明 :建库后污染混合区的面积有较大增加 ,需要采取必要的措施来控制水体污染 ,保护和改善库区水质     

基于电化学机理模型的锂离子电池参数辨识及SOC估计

采用Fisher信息矩阵进行参数可辨识性分析,解决了参数的辨识问题,进而提出了基于简化电化学机理模型SP2D(simple pseudo-two-dimensional)的SOC(电池电量)在线估计方法。实验表明,该SOC估计方法较基于等效电路模型(一阶RC模型)的SOC估计方法,可将SOC估计的平均误差减小近30%,而在电池放电中后期更可减小达60%,有效解决了在电池全工作范围内的SOC高精度估计问题。     

货车整车质量辨识方法研究

针对货车整车质量辨识问题,分别对基于车辆纵向动力学和基于运动学的两种整车质量辨别方法进行仿真和实车试验研究。阐述了两种整车质量辨识方法的原理,在TruckSim软件平台上建立车辆模型并在多种工况下基于这两种方法进行仿真分析。根据仿真结果进行实车试验,提出了一种车速冗余计算和加速度计算的方法,利用带时变遗忘因子的递推最小二乘法（RLS）对实车质量进行估计。研究结果表明,所提出的车速冗余计算方法和加速度计算方法准确有效,同时减少换挡次数能够显著提高辨识算法的收敛速度。相比于运动学整车质量辨识算法,基于车辆纵向动力学整车质量辨识算法能够有效地估计货车整车质量,鲁棒性好,估计准确,收敛速度快,具有很好的工程应用价值。