多输入动态调节系统的正交匹配追踪迭代辨识算法

针对含有未知时滞的多输入单输出动态调节系统,基于过参数化后系统参数向量的稀疏特性,在有限测量数据下,将压缩感知理论和递阶迭代思想相结合,提出一种正交匹配追踪迭代辨识算法。该算法可以辨识多输入动态调节系统的未知时滞、参数和部分阶次。研究结果表明:与最小二乘迭代算法相比,该算法不需要大量的采样数据,可以节约采样成本,提高辨识效率。该算法能够有效地估计这类系统的参数与时滞。     

具有输入输出误差的OE模型参数辨识及控制

针对具有输入输出的OE模型,先将OE模型转化成FIR模型,利用递阶辨识方法,估计出FIR模型的参数,再利用FIR模型参数计算出OE模型的参数,最后利用估计的系统参数设计控制器,使得系统的输出能渐近跟踪目标系统的参数。     

多变量系统子子模型辨识

目前,对多变量系统辨识的研究已经越来越多,但是,基本上都属于子模型的辨识问题,不便于实际应用.本文采用子模型与子子模型技术,将一个有R个输入,m个输出的多变量系统分解为M个带R个输入的子模型,而每个子模型又可分解为R个子子模型(单输入单输出系统).在多变量系统中,只要做一次试验(同时加入月个输入信号),使用月个输入信号与M个输出信号的数据,可以自动辨识子模型的阶次与参数,再从子模型的有关数据,最终辨识出子子模型的阶次与参数.本文采用分块矩阵求逆公式,提出一种快速的自动定阶与估计参数的递推算法.     

一种时滞系统输出反馈自适应稳定的改进方法

针对一类含变时滞状态扰动不确定系统的输出反馈自适应稳定问题,已有的算法仅能保证闭环系统状态最终一致有界.提出了一种新的控制算法,通过在控制器中引入一正的一致连续有界函数并设计了一种新的自适应率对扰动参数进行在线估计,可以保证闭环系统的状态一致渐近趋于零.仿真结果验证了该算法的有效性.     

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。     

单输入多输出系统的递阶增广随机梯度辨识算法

根据负梯度搜索原理,推导了滑动平均噪声干扰单输入多输出系统的递阶增广随机梯度算法.为了改进提出算法的收敛速度,在算法中引入遗忘因子,得到递阶增广遗忘梯度算法.数字仿真结果表明所提出的算法估计系统参数是有效的.     

关于系统时滞、阶数和系数的在线辨识

针对时滞,阶数和系数皆未知的离散时间线性随机控制系统(ARMAX模型),提出一种对时滞,阶数和系数同时进行递推估计的算法.在一定的条件下该算法能保证时滞,阶数和系数的估计都具有强一致性,而且系数估计具有较快的收敛速度.     

一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型,应用投影算法估计模型参数.该模型将对象输出增量分解为2个分量:一个为非零控制增量作用下的强制分量,另一个为控制增量为零时的自由分量,是一种非齐次时变线性模型.此外,应用广义预测控制理论,提出了一种基于该模型的自适应多步预测控制策略,导出了基于该模型的多步最优预测算式和最优控制律.该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性,且模型参数少,算法简单,适用于黑箱系统的控制.仿真结果表明该控制策略是有效的.     

多变量CAR模型的递推辨识

将加权最小二乘法和限定记忆两种参数估计方法相综合，给出了多变量系统带控制输入的自回归模型未知参数的递推估计算法，该估计算法是前两种估计方法在多输入多输出MIMO系统的推广。     

基于Adomian分解法的分数阶时滞Lü混沌系统的动力学分析

根据Lü混沌系统,结合时滞因素,提出了分数阶时滞Lü混沌系统,运用Adomian(ADM)分解法算法,对非线性进行分解,得出分数阶时滞系统数值解;结合数值解的过程采用Matlab仿真,通过系统的分岔图、复杂度以及吸引子相图等工具验证了参数对系统的影响;仿真结果表明了0.9阶次时滞系统丰富的动力学特性,为分数阶时滞系统应用于图像加密时的参数选择提供了理论基础。     

一种新的时变时滞系统控制方法

把一种新的能在线估计时变时滞系统参数的辨识算法与内模控制相结合,提出了时变时滞系统自适应内模控制算法．理论分析及仿真结果表明,该方法能够克服时滞及参数的变化,具有鲁棒性好、抗干扰能力强等特点,优于Ｓｍ ｉｔｈ 预估控制器．     

基于Burg法AR模型谱估计的涡街流量计旋涡脱落频率提取

为了从含噪信号中准确高效地提取出旋涡脱落频率,采用基于Burg算法的AR模型谱估计对测量介质为水、流量范围为3～35 m3/h的涡街流量计输出信号进行分析,讨论AR模型阶次对旋涡脱落频率估计性能的影响,建立频率相对误差小于3％的AR模型最小阶次与旋涡脱落频率的拟合关系式.结果表明,基于Burg算法的AR模型谱估计对涡街流量计旋涡脱落频率的提取精度较高;AR模型的阶次对Burg算法的谱估计精度和计算效率有重要影响,应选用匹配的AR模型阶次对涡街流量计输出信号进行估计;AR模型最小阶次随旋涡脱落频率的增大而减小.     

一种可自适应分组的多输入多输出支持向量机算法

针对不同输出端之间相关程度的差异对多输入多输出回归模型泛化能力的影响,提出了一种基于自适应分组的多输入多输出支持向量机算法.该算法基于相关性强的输出端其模型参数也较相似的假设,首先在多维支持向量机的基础上引入带分组结构的正则项,进而将上述正则化问题转变为混合0-1规划;其次,采用交替优化的方法,使相关性强的输出端在同一个分组内进行独立训练,最终自适应地识别最优分组结构和模型参数.分别采用仿真数据和圆柱壳振动工程数据对所提算法进行测试,结果表明,该算法可有效辨识出输出端的相关度,与传统算法相比,该算法可有效提高支持向量机回归模型的泛化能力.     

时变系统的Laguerre模型辨识及设计变量(1)

文章考虑动态线性系统的时变参数是平稳的AR（1）变量，系统为时变的Laguerre模型时的传递函数估计的均方误差（MSE）。在缓慢时变和高阶模型下，利用随机梯度算法，得到MSE的近似表达式。该文利用Laguerre模型取代FIR模型，减小了MSE，降低了模型的阶次，最后讨论了随机梯度算法的设计变量的优化问题。     

用于时滞不确定系统的自适应Smith预估器

Smith预估器对模型的依赖性制约了它在实际中的应用 ,文中提出一种改进型Smith预估器 ,能在线地跟踪时滞不确定对象的时滞时间常数的变化引起的系统输出的变化 ,调节模型输出使得闭环系统稳定 ;而且 ,模型中不含有时滞环节 ,控制器只有一个调节参数 ,易于实现 ;对一大惯性、大时滞系统的仿真结果表明 ,改进算法较好地解决了Smith预估器的稳定性对模型时滞时间常数的依赖性问题 ,具有广泛的应用前景     

多维和多重递推辅助变量辨识算法

对带白色观测噪声的多维自回归(AR)模型,应用相关方法,分别提出了多维和多重递推辅助变量(RIV)算法,给出了未知AR参数的强一致估计;推广了一维RIV算法。提出了模型噪声和观测噪声方差的信息融合估值器,它们具有强一致性。一个仿真例子说明其有效性。     

长流程生产过程多重大时滞系统时间协调参数自调整控制策略

针对长流程生产过程多重大时滞系统难以闭环稳定控制的问题,说明多重大时滞系统形成的物理本质,分析系统的组成结构,引入脉冲响应等效系统的概念,提出多重时间协调参数自调整控制算法(M-TCPA)。该算法根据不同的时滞特性,通过时间协调原则修改n个控制器的输出。利用n个脉冲响应等效系统分别修改n个控制器的参数,使n个脉冲响应等效系统和多重大时滞系统匹配,跟踪被控制对象参数变化,保证系统控制精度和稳定性。研究结果表明:该控制算法是递推算法,计算量小,便于在线实现。将该控制策略应用于氧化铝生产连续碳酸化分解过程,氧化铝合格率提高了1.5%。     

滑动平均模型的最小二乘辨识方法比较研究

滑动平均模型辩识的困难是信息向量中存在不可测噪声项。借助于递阶辩识的交互估计理论,用估计残差代替信息向量中中不可测噪声项,借助于多新息辨识理论扩展新息长度和充分利用系统观测数据的思想,提出估计滑动平均模型参数的多新息递推最小二乘辨识方法和最小二乘迭代辨识方法。与常规递推增广最小二乘算法相比,提出的方法具有更快的收敛速度,能产生更高精度的参数估计。仿真例子验证了算法的性能。     

基于全参数在线辨识的鲁棒自校正控制

受控系统中，模型结构参数（模型时延及模型阶次）和模型参数是自适应类控制的基础，采样这些参数，并即时送给控制器，是实现自适应控制的前提，也是优化该类算法的重要依据。笔者给出了对上述自适应控制的有关参数的在线辩识方法，并基于此，改进了经典的自适应类控制算法，算法中引入了对结构参数（模型阶次）的智能辩识方法和鲁棒极点配置原理，从而构成了鲁棒自校正控制，使算法得以进一步优化，整个控制方案给出了自适应类控制的新模式。