基于前向神经网络的非线性时变系统辨识改进EKF算法

为了克服传统扩展卡尔曼滤波算法进行参数估计时可能产生的新数据失效问题,提出了一种改进的扩展卡尔曼滤波(EKF)步骤,然后将改进步骤做为人工神经网络的学习算法用于基于前向神经网络的非线性时变系统辨识。与传统的扩展卡尔曼滤波步骤相比克服了新数据的饱和现象,可以更好地反映系统时变特征。通过一个单变量一般时变非线性系统和一个三自由度非线性时变刚度结构系统算例,仿真验证了新算法在辨识精度和计算量方面的改进特性。     

基于前向神经网络的时变非线性结构系统辨识快速递推最小二乘法

针对基于前向神经网络的普通递推最小二乘估计存在着自适应跟踪慢和精度低的问题，提出了一种可对非线性时变系统进行快速辨识的新方法，因该方法有类似递推最小二乘算法的形式，称其为基于前向神经网络的快速递推最小二乘算法。该算法对传统的递推最小二乘算法的递推方式进行了改变，以更好的跟踪非线性时变系统的动态特性。针对典型的系统辨识仿真算例，通过与现有常用方法的比较研究显示了这种算法具有计算简单、收敛速度快和辨识精度高的良好性能。最后将方法用于一个三自由度时变非线性振动系统，结果同样验证了方法的良好特性。     

基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统

基于时变非线性自回归滑动平均模型利用改进的递推最小二乘算法提出一种用于非线性时变结构系统辨识的方法。利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后将非线性项展开为系统输出数据的多项式的形式。利用短时时不变假设,通过改变模型的参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题,再利用改进的递推最小二乘算法实现对非线性时变结构系统的辨识。最后通过一个具有非线性时变刚度的三自由度结构系统的仿真算例表明,该方法可以有效地辨识非线性时变结构系统。     

基于时变NARMA模型的非线性时变系统辨识

在非线性自回归滑动平均模型NARMA(Nonlinear Auto Regressive Moving Average)中引入时间变量,将其扩展为时变NARMA模型,用Taylor展开将模型中的非线性函数展开为关于输入输出的多项式,得到关于参数线性时变的多项式形式的时变NARMA模型,再用基序列拟合模型的时变参数得到关于参数线性时不变的模型,最后用递推最小二乘法估计模型参数。仿真算例证明,与小波网络方法相比,辨识精度高,计算量小。     

基于最小二乘支持向量机的传感器非线性动态系统辨识

讨论了一种基于最小二乘支持向量机的非线性动态传感器系统辨识方法,并给出了相应的推导过程和学习算法.首先,将传感器的非线性动态系统分解为静态非线性子环节和动态线性子环节串联--Hammerstein模型;然后,建立类似线性的中间模型,通过该模型能将Hammerstein模型的非线性传递函数转换为等价的类线性形式;再通过LS-SVM线性回归算法求取中间模型参数;最后推导出中间模型参数与Hammerstein模型参数之间的关系,并通过该关系反演出原传感器系统的Hammerstein模型参数,实现传感器非线性动态辨识.仿真与实际传感器系统辨识的实验结果均表明该方法可行.     

非线性最小二乘问题的一个分裂开关算法

本文对非线性最小二乘问题的分裂Ｂｒｏｙｄｅｎ凸类公式进行研究，为使修正矩阵具有某种最优性，给出一个新的开关算法，以根据问题表现出来的特性，在分裂ＢＦＧＳ与分裂ＤＦＰ之间进行选择，这一方法同样适用于一般的无约束最优化问题。     

基于矩阵分式多项式时变结构模态参数最小二乘辨识

基于时间相关矩阵分式多项式传递函数模型,给出线性时变结构时频域参数化模型。以时频域参数化模型为基础,将现有广泛用于时不变结构模态参数辨识的最小二乘复指数法拓展到时频域,提出基于矩阵分式多项式模型的时频域线性时变结构模态参数最小二乘辨识方法;针对时频域最小二乘对计算资源庞大需求问题,给出基于缩减正则方程的最小二乘问题求解方法。通过对两质量连续变化三自由度时变结构仿真算例,说明最小二乘中待估参数约束对模态参数辨识影响,阐述所提线性时变结构模态参数辨识方法特点,说明方法的有效性及潜在实用性。     

基于全局非线性可分离的最小二乘法的飞机颤振模态参数辨识

本文考虑在输入-输出数据都带有噪声的前提下,将偏差补偿最小二乘算法（CLS）进行推广得到非线性可分离的最小二乘算法（NSLS）。采用适用于噪声环境的非线性可分离的最小二乘算法可准确地辨识飞机的颤振模态参数,该算法结合传递函数模型,将带噪声系统的辨识问题转化为非线性可分离的最小二乘问题。利用该算法,两噪声的方差值和传递函数中的模型参数可分离地估计出来。最后利用试飞试验数据辨识飞机的系统参数,验证了该方法的有效性。     

一类基于先验信息的时变参数辨识算法

提出了一类基于先验信息的时变参数辨识算法以克服病态辨识,仿真结果证明,此类算法不仅能克服病态辨识而且具有有较高的辨识精度。文中给出了有关新算法的定理及其证明。     

基于非线性最小二乘的电容层析成像图像重建算法

针对电容层析成像技术中的"软场"效应和病态问题,提出了基于非线性最小二乘算法的新电容层析成像(ECT)算法。在分析非线性最小二乘问题残量原理的基础上,给出了目标函数中二阶信息项的割线近似的校正公式,并利用Lipschitz空间连续的性质对非线性最小二乘算法的收敛性进行了证明,在此基础上探讨了ECT应用该算法的可行性。该算法满足收敛条件且重建图像误差小。仿真和实验结果表明,与LBP、Landweber和共轭梯度算法相比,对于简单流型该算法兼备成像质量高、边界均匀稳定等优点,该算法的提出为ECT图像重建算法的研究提供了一个新的思路。     

An adaptive algorithm for nonlinear system identification

There are several methods — fixed, adaptive, recursive — for the identification of linear and bilinear systems from input-output measurements that are noisy. However, literature is rather scarce as far as such techniques are concerned for the identification of nonlinear systems. The objective of this paper, therefore, is to suggest an iterative technique for the identification of nonlinear system parameters from measurements that are noisy. This technique requires the transformation of a nonlinear system in the state variable form into an input-output autoregressive moving average exogenous (armax) model. The pseudo linear regression algorithm, which has been extensively used for the identification of linear systems, can then be used to identify the nonlinear system parameters. Using this technique simulation studies were carried out which, indeed, confirm the efficacy of the method.     

基于模型实时辨识自适应控制算法的时变机械系统振动主动控制

参数时变的现象广泛存在于机械系统。如果系统参数随着时间而发生较大变化,振动主动控制方案就需要考虑时变参数对控制算法的影响。针对动力学特性变化较大的时变机械系统振动,提出一种模型实时辨识自适应控制算法,该算法将传统的滤波自适应算法与递归预测误差方法相结合,利用改变梯度的递归预测误差方法实时估计控制通道模型。建立弹簧质量支承的非均匀截面杆纵向振动时域模型,模型中随时间而变化的弹簧刚度导致模型动力学特性发生较大变化。用模型实时辨识自适应控制算法对建立的杆模型进行振动控制数值仿真,仿真结果表明,所提出的控制算法能有效抑制时变系统的窄带和宽带振动。相对于现有的方法,该控制算法能实现更好的控制性能。最后,将所提出的控制算法应用到时变的摇摆系统振动控制,实验结果验证了所提出控制算法的可行性和有效性。     

基于结构强震记录的结构时变模态参数识别

为研究结构在地震过程中动力特性变化和损伤过程,为结构地震损伤评估提供可靠依据,采用递归式在线系统辨识算法RARX模型,利用结构强震记录识别了结构时变模态参数。以一座6层钢筋混凝土框架结构为例,识别了其时变自振频率、阻尼比和等效刚度。结果发现：在小地震动作用下,结构自振频率随时间几乎不发生改变;在大地震动作用的整个时间过程中,结构自振频率随时间逐渐降低,降低到一定程度到达最低点后,频率开始回升,直至地震结束,但最后不能回升到初始值,说明经历大震发生损伤的结构在震后性能会有所恢复;结构等效刚度变化趋势和自振频率相同,但在大震中下降比频率下降大的多;结构阻尼比在经历大震发生损伤后增大。结果可供结构地震损伤预测及结构震后安全鉴定参考。     

基于自由响应数据的时变系统物理参数识别

提出了一种基于自由响应信号识别时变系统物理参数的子空间方法.该方法以任意组合的位移、速度、加速度响应信号为测量信息,通过对仅利用一组响应信号组成的Hankel矩阵做奇异值分解,识别出等效状态的系统矩阵,然后运用推导出来的通用时变系统的转换矩阵,将等效状态系统矩阵转换成为实际物理状态下的系统矩阵,从而识别出实际系统的刚度、阻尼矩阵.以二自由度弹簧-质量-阻尼模型为算例,研究了突变、线性变化和周期变化三种变化形式下物理参数的识别,并讨论了不同信噪比下噪声对识别结果的影响,仿真算例验证了该方法的正确性和有效性.     

基于特征值分解的随机子空间算法研究

针对基于数据驱动的随机子空间法计算效率低下的问题,提出一种基于特征值分解的随机子空间算法,该方法通过对ＣＨ矩阵的特征值分解得到扩展可观测矩阵Ｔｍｉ,进而识别出系统模态参数。相比于传统算法,该算法免去了对Ｈａｎｋｌ矩阵的ＱＲ分解及投影矩阵的ＳＶＤ运算,从而大大节省了内存和计算时间。通过一个７自由度的数值仿真和重庆朝天门大桥模型的实例分析证明该方法在保持计算精度的情况下大幅度地提升了计算效率。     

基于遗传神经网络的履带行驶系统载荷识别方法

针对煤矿掘进机器人履带行驶系统工作环境恶劣,载荷无法直接有效获取这一工程实际问题,提出了基于遗传神经网络的振动信号载荷识别方法。构建了遗传算法(GA)优化BP(back propagation)神经网络载荷识别模型,采用路试法试验采集了履带小车的5组振动加速度数据和单组应力载荷数据,探讨路面不平度频率和驱动轮啮频等对履带车振动和应力载荷的影响规律;借助快速傅里叶变换(FFT)对原始应力载荷数据进行去噪处理,依据履带小车行驶平顺性指标,利用sym8小波函数对振动加速度信号进行5层特征提取以提高载荷识别的精度,然后将5组小波变换分解的加速度数据和滤波后的应力载荷数据分别作为GA-BP神经网络的输入和输出进行训练及验证,揭示了履带行驶系统运动过程中振动与应力载荷之间的关系。研究结果表明,路面不平度频率、驱动轮啮频及转频为小车振动的主要频率成分,路面不平度引起的振动频率为13.765 Hz,驱动轮啮频为68.25 Hz,转频为3.25 Hz。多组试验得到的BP神经网络最佳隐含层神经元数为63,GA-BP神经网络识别的应力载荷与期望应力载荷具有较高吻合度,相对误差为4.5%,验证了该方法的有效性...     

基于引力搜索神经网络的风电机组传动链故障识别

针对风电机组传动链故障识别由风电场制定合理维修策略可减少停机时间、降低维修费用问题,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出基于引力搜索神经网络的风电机组传动链故障识别方法。算例结果表明,所提方法精度较BP神经网络高,能准确识别齿轮磨损、齿轮断齿、轴承松动等风电机组传动链典型故障,验证该方法的有效性。     

基于振动测试的非线性参数识别方法

研究了利用特殊的正弦扫频技术识别非线性参数的方法。该方法利用目前线性系统成熟的模态分析技术,并结合等效线性化理论,通过振动测试识别结构的非线性参数,可以建立一个更加准确的模型来反映非线性结构的动力学特性,从而提高模型的预测精度。该方法包括两部分：（1）常位移测试识别非线性刚度;（2）常速度测试识别非线性阻尼。常位移测试是在一次正弦扫频过程中,通过调整各频率下的激励力幅值使得位移响应的幅值为常数,获得一组频响函数,通过模态分析获得等效刚度;改变位移响应的幅值进行多次测试,获得多组等效刚度;对获得的一系列恒定位移响应下的等效刚度进行曲线拟合,即可获得所有线性和非线性刚度参数。常速度测试与其类似。以三自由度非线性系统为例,进行了常位移测试和