状态缺失多变量系统的极大似然辨识方法

提出一种极大似然辨识方法,用于解决状态缺失多变量系统的参数估计问题。通过构造以输入-输出序列为条件概率的似然函数 表达式,以及分析数据缺失程度对参数估计的影响,设计适用于状态缺失情况的卡尔曼状态估计器,在此基础上提出极大化似然函数的参数计算方法。数值仿真结果证明了该方法的有效性。     

高速列车非线性模型的极大似然辨识

提出高速列车非线性模型的极大似然(Maximum likelihood, ML)辨识方法,适合于高速列车在非高斯噪声干扰下的非线性模型的参数估计.首先,构建了描述高速列车单质点力学行为的随机离散非线性状态空间模型,并将高速列车参数的极大似然(ML)估计问题转化为期望极大(Expectation maximization, EM)的优化问题; 然后,给出高速列车状态估计的粒子滤波器和粒子平滑器的设计方法,据此构造列车的条件数学期望,并给出最大化该数学期望的梯度搜索方法,进而得到列车参数的辨识算法,分析了算法的收敛速度; 最后,进行了高速列车阻力系数估计的数值对比实验. 结果表明, 所提出的辨识方法的有效性.     

非线性极大似然法及其在飞机参数辨识中的应用

本文介绍一种非线性极大似然辩识方法。该法以一般非线性动态系统为对象,从系统的非线性模型出发,按极大似然估计准则,经过拟线性化处理建立一个迭代的优化算法。将其应用于某高速飞机气动参数辩识,采用纵横向耦合的六自由度非线性运动方程和非线性气动模型作为飞机数学模型,由飞行试验数据同时估计飞机纵横向稳定性与操纵性导数。计算结果证实,这种算法处理非线性系统是有效的。     

辨识非线性曲线的非线性极大似然—优化法

工程上经常碰到非线性曲线辨识问题。本文探讨一种非线性极大似然-优化法并结合三次样条函数拟配法,形成统一的逐次逼近的直接辨识非线性曲线的非线性辨识方法。该法兼有极大似然法的唯一性、很好的收敛性和优化法直接处理非线性系统的能力,辨识出的样条函数曲线能无限地光滑地逼近非线性曲线。     

极大似然反卷积软件包

本文介绍了用于石油和天然气勘探的一种新型的、高分辩率的极大似然反卷积算法的软件包,详细阐述了该软件包的基本原理、结构和特点。     

动态模糊极大似然估计算法

在机器学习中,一个广泛的应用是对模型的参数进行估计,即极大似然估计(MLE),EM算法是根据点估计中的MLE改进的一种迭代算法,是求极大似然估计的一种强有力的工具,但它收敛速度较慢,于是引入α-EM算法,克服了EM算法的缺陷.由于学习的过程中可能存在着大量的缺失数据及其动态模糊性,给出基于不完全数据的动态模糊极大似然估计算法并给出实例验证.     

基于极大似然目标状态估计的传感器管理

为估计目标运动的状态估计量,设计相应的传感器管理方案,文章依据贝叶斯概率知识,采用极大似然的最优化方法来估计目标运动的状态估计值;依据目标状态估计的误差协方差矩阵与其Fisher信息矩阵间的联系,推导似然函数关于目标状态各个分量的偏导数;采用随机离散时间系统知识,推导出对角式Fisher信息矩阵所有对角线上的各个元素;以Fisher信息矩阵的迹范数作为传感器管理中的最优代价函数,采用0-1整数规划算法来求解传感器的分配矩阵;最后将极大似然的目标状态估计及其相应的传感器管理方案应用于无人直升机的飞行控制系统中,以验证本文方法的有效性。     

丢失数据下的条件极大似然辨识

针对仿射结构形式在丢失数据下的条件极大似然辨识问题, 首先引入交换矩阵将原随机矢量分解成观测和丢失部分; 然后确定出观测数据在丢失数据下的条件均值和条件方差, 以此建立条件似然函数; 进而从理论上给出了条件极大似然函数关于未知参数矢量、未知白噪声方差值和丢失数据的求导公式, 并从工程上给出一种可分离的优化算法; 最后通过仿真算例验证了该辨识方法的有效性.     

基于模糊似然函数的模糊辨识方法

提出一种基于模糊似然函数的模糊辨识方法。该方法利用模糊似然函数对样本数据进行聚类，并使模糊模型的结构辨识和参数辨识能同时完成，从而实现模糊模型的在线辨识。仿真结果证明了该方法的有效性。     

双线性状态空间系统的状态观测器设计

针对受过程噪声和量测噪声干扰的双线性状态空间系统,研究其状态估计算法.借助双线性系统的特殊结构,将其等价表示为线性时变模型,推导基于Kalman滤波的状态估计算法.针对线性时变模型中存在的未知变量,基于辅助模型辨识思想,通过构造一个辅助模型,将未知变量用该模型的输出代替,提出基于辅助模型的双线性系统状态估计算法.构造双线性状态观测器,引入delta算子极小化状态估计误差协方差矩阵,从而得到最优状态估计增益,并提出基于delta算子的双线性系统状态估计算法.所提出的算法能够避免线性化过程带来的估计精度差的问题,提高双线性系统的状态估计精度.通过仿真实验验证了所提出算法的有效性,并对比分析了不同噪声情况下所提出算法的估计效果.     

Optimal bilinear observers for bilinear state-space models by interaction matrices

This paper formulates optimal bilinear observers for bilinear state-space models. Observers in bilinear form, as opposed to other nonlinear forms, are required to develop an extension of observer/Kalman filter identification for simultaneous identification of a bilinear state-space model and an associated bilinear observer from noisy input–output measurements. The paper establishes the relationship between the bilinear observer gains and the interaction matrices which are used to convert the original bilinear state-space model to a form that simplifies the identification of such a model. Techniques to find the interaction matrices are developed. In the absence of noises, these matrices produce the gains of the fastest converging observer. In the presence of noises, they minimise the state estimation error in the same manner as a standard steady-state Kalman filter. Numerical examples illustrate both the theoretical and computational aspects of the proposed algorithms.     

随机状态空间系统的梯度优化辨识

提出了随机状态空间系统参数的梯度优化辨识方法。通过极小化输出预报误差而获得系统的参数估计。提出了动态选择雅可比矩阵奇异值比率确定参数搜索方向的方法,用以解决因雅可比矩阵的线性相关性引起的算法失效问题。给出了融合参数局部逼近性能信息的辨识算法,并得到了算法收敛速度的解析表达式。数值仿真实验的结果说明了所提出方法的有效性。     

态空间系统的梯度优化辨识及收敛性分析*

为解决状态空间系统的预报误差与系统参数之间的非线性、非凸性给参数估计带来的困难,提出了状态空间系统的梯度优化辨识方法。分析了基于局部线性化的梯度辨识原理,给出了基于QR分解、奇异值分解(SVD)确定参数搜索方向的实现方案,得到了估计系统参数的迭代辨识算法。探讨了算法的收敛性、给出了算法收敛速度的解析表达式,最后进行了数值仿真,实验结果说明了所提出方法的有效性。     

状态空间模型基于正交梯度搜索的预报误差辨识

提出状态空间模型的正交梯度搜索的预报误差辨识方法.通过极小化输出预报误差而获得系统的参数估计,提出了在观测等价类相切面正交子空间进行参数更新的实现方法,从而解决了全参数化引起的状态空间模型参数非唯一性问题;给出了融合预报误差局部线性逼近性能的正则化因子自适应确定方法,揭示了算法复杂度与系统的能控性、能观测性的内在联系.仿真结果验证了所提出方法的有效性.     

An EM-based identification algorithm for a class of hybrid systems with application to power electronics

In this paper we present an identification algorithm for a class of continuous-time hybrid systems. In such systems, both continuous-time and discrete-time dynamics are involved. We apply the expectation-maximisation algorithm to obtain the maximum likelihood estimate of the parameters of a discrete-time model expressed in incremental form. The main advantage of this approach is that the continuous-time parameters can directly be recovered. The technique is particularly well suited to fast-sampling rates. As an application, we focus on a standard identification problem in power electronics. In this field, our proposed algorithm is of importance since accurate modelling of power converters is required in high- performance applications and for fault diagnosis. As an illustrative example, and to verify the performance of our proposed algorithm, we apply our results to a flying capacitor multicell converter.     

利用双线性映射构建高效身份认证方案

基于双线性映射以及椭圆曲线上的离散对数难题,提出了一种认证过程中不需要密钥生成中心介入的用户间身份认证方案,并扩展到有多个密钥生成中心的情形。该方案与已有方案相比具有更少的计算量与通信次数,且实现了双向认证;最后证明所提出的方案在椭圆曲线离散对数难解假设下能有效抵抗伪造用户攻击,冒充攻击和重放攻击,具有较好的安全性。     

Grey-box state-space identification of nonlinear mechanical vibrations

The present paper deals with the identification of nonlinear mechanical vibrations. A grey-box, or semi-physical, nonlinear state-space representation is introduced, expressing the nonlinear basis functions using a limited number of measured output variables. This representation assumes that the observed nonlinearities are localised in physical space, which is a generic case in mechanics. A two-step identification procedure is derived for the grey-box model parameters, integrating nonlinear subspace initialisation and weighted least-squares optimisation. The complete procedure is applied to an electrical circuit mimicking the behaviour of a single–input, single–output (SISO) nonlinear mechanical system and to a single–input, multiple–output (SIMO) geometrically nonlinear beam structure.     

Recursive identification for multivariate autoregressive equation-error systems with autoregressive noise

This paper considers the recursive identification problems for a class of multivariate autoregressive equation-error systems with autoregressive noise. By decomposing the system into several regressive identification subsystems, a maximum likelihood recursive generalised least squares identification algorithm is proposed to identify the parameter vectors in each subsystem. In addition, a multivariate recursive generalised least squares algorithm is derived as a comparison. The numerical simulation results indicate that the maximum likelihood recursive generalised least squares algorithm can effectively estimate the parameters of the multivariate autoregressive equation-error autoregressive systems and get more accurate parameter estimates than the multivariate recursive generalised least squares algorithm.     

分数阶系统频域辨识算法

分数阶微积分提供了一个很好的工具来描述一些复杂的实际系统,比整数阶模型更简洁准确.针对分数阶系统建模问题,阐述了一种同元次分数阶系统频域辨识的极大似然算法.为此首先简要地介绍了同元次分数阶系统的传递函数表达形式,然后在此基础上推导了分数阶系统频域极大似然算法,利用拉格朗日法证明了似然函数和代价函数的等价性,从而将辨识问题归结为一等价的优化问题,并进一步对采用Gauss-Newton优化计算方法进行了讨论.最后通过仿真实例验证了其有效性.     

Maximum likelihood‐based gradient estimation for multivariable nonlinear systems using the multiinnovation identification theory

This article considers the identification problems of multivariable input nonlinear systems with unmeasured disturbances. For the identification difficulty caused by the crossproducts between the parameters of the linear block and the nonlinear block, the key term separation technique is adopted to separate the parameters of the nonlinear block from the parameters of the linear block. By combining the model decomposition technique and the hierarchical identification principle, a key term separation‐based maximum likelihood recursive extended stochastic gradient algorithm with reduced computational complexity is presented to estimate all the parameters directly. By introducing the multiinnovation identification theory, a key term separation‐based maximum likelihood multiinnovation extended stochastic gradient algorithm is proposed to improve the parameter estimation accuracy. The simulation results illustrate the effectiveness of the proposed methods.