真空助力器带主缸总成疲劳试验系统辨识

真空助力器带主缸总成是汽车制动系统的关键增力部件,其气动疲劳试验系统由气动子系统、液压子系统、电控子系统等多个子系统构成,属于复杂的非线性系统。该系统存在众多不确定因素,因此无法直接建立数学模型。为了考察该系统的动态性能,采用递归BP神经网络对该系统进行辨识。试验结果表明,递归BP神经网络能够很好的逼近该复杂非线性系统,在不同时间序列作用下均有较好的泛化能力。     

EPS控制单元频响特性测试与系统辨识

控制器是电动助力转向系统（EPS）的核心部件之一。EPS控制器采集转向盘扭矩信号和车速信号,由事先设定的算法来计算控制助力电机的目标电流作为输出,并以PWM（脉宽调制波）的形式作用于助力电机。以某国外控制器的EPS实验台架实测数据为基础,在MATLAB软件平台上,建立离散数据分析模型,计算出待测系统的传递函数。将辨识出的传递函数用于EPS开发,实验证明辨识方法是有效的且辨识结果可指导控制软件设计。     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.     

舰体挠曲运动在线建模研究

针对船体挠曲运动在线建模问题,提出了一种从导弹惯性导航系统测量数据中提取船体挠曲运动信息的方法,并通过相关因子法分析,验证了其在统计意义上的有效性。依照相关法,推导出了基于导弹惯性导航系统测量数据的船体挠曲模型参数在线辨识算法。数值仿真显示,模型参数估计值与真实值表现出相当好的一致性,且模型参数估计算法在典型海况下显示出良好的稳定性和鲁棒性,这表明所提方法用于船体挠曲变形的在线建模具备可行性。     

基于K-L变换的网络调制识别方法

针对BP网络进行通信信号调制样式识别的场合,在输入层和输出层节点数确定的条件下,提出在网络训练完成后应用K-L变换方法确定网络隐含层的节点数,对网络结构进行优化。利用K-L变换的正交性,去除了网络结构的冗余,给出了该算法的理论推导和具体应用步骤,通过仿真验证了算法的有效性和顽健性。利用BPSK、QPSK、16QAM等数字调制信号,选取了三个特征量,分别用优化前后的网络进行调制识别,实验表明优化前后网络的识别性能基本一致。     

INFORMATION CHARACTERIZATION OF COMMUNICATION CHANNELS FOR SYSTEM IDENTIFICATION

This paper studies identification of systems in which the system output is quantized, transmitted through a digital communication channel, and observed afterwards. The concept of the CR Ratio is introduced to characterize impact of communication channels on identification. The relationship between the CR Ratio and Shannon channel capacity is discussed. Identification algorithms are further developed when the channel error probability is unknown.     

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。     

多目标预报系统的Fuzzy 优选识别模型及其应用

对多目标预报系统的Ｆｕｚｙ优选识别模型进行了分析和研究,并建立了山东省曲阜市第二代棉铃虫发生量的Ｆｕｚｙ优选识别模型。对历史资料进行回代验证,其历史拟合率高达９１．６７％。将１９９４年的观测数据作为独立样本进行试报,预测结果与实际一致。     

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数,本文给出了详细的的算法。为了验证该方法的有效性,本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。     

基于储备容量的交通网络潜在瓶颈路段识别

交通网络潜在瓶颈路段是随着需求变化将来可能会成为瓶颈的路段.准确识别出潜在瓶颈路段并进行优化管理,可以更好地适应未来交通需求的变化.基于交通网络储备容量模型,提出了交通网络潜在瓶颈路段识别方法,并设计了储备容量模型的求解算法.算例分析比较了现状需求和路网可容纳最大需求下的交通均衡流量模式.结果表明,不能简单地根据现状需求去推断潜在瓶颈路段,而论文提出的方法可以识别出路网达到最大需求时的潜在瓶颈路段.此外,利用交通网络储备容量模型设计了一种次要潜在瓶颈路段识别方法,次要潜在瓶颈路段是在优化潜在瓶颈路段之后随需求增长新出现的瓶颈路段.算例表明该识别方法具有一定的适用性.