非线性模型参数估计的一种方法及应用

非线性模型参数估计的一种方法及应用＊姚雅红黄俊钦（北京航空航天大学自动控制系北京１０００８３）０引言本文提出一种非线性模型参数估计的方法，主要对Ｇａｕｓｓ＿Ｎｅｗｔｏｎ法在初值、修正值和解矛盾方程组三方面作了改进。将其应用于函数记录仪的时域动态性能测...     

一种AR模型的稀疏模态参数估计方法

基于自回归模型(autoregressive,AR)的模态参数估计方法需要进行阶次估计,阶次确定错误会使结果中包含虚假模态或者遗漏模态。针对这种情形,通过将模态选择的问题转化为带有稀疏约束的振型系数问题,提出了一种基于AR模型的稀疏模态参数估计方法。先假设一个较大的系统阶次,采用基于AR模型的估计方法计算模态参数,然后构造振型系数的稀疏优化模型,多次稀疏求解后用统计和聚类的方法对结果进行校正,最后根据振型系数鉴定对应模态的真假。这种无需提前确定阶次的估计方法既避免了定阶次引起的误差,又能有效地将噪声模态分离,适合复杂环境下的参数估计。在斜拉索桥模型上验证结果表明,该方法具有良好的识别效果。     

人工胰脏中数据驱动个体血糖代谢模型的辨识

数据驱动时间序列模型是人工胰脏系统中最常用的一类血糖预测模型,但其血糖预测精度受到进食不确定性和胰岛素敏感性波动等实际因素的影响。本文从真实血糖测量数据入手,提出基于卡尔曼滤波参数估计的带输入误差滑动平均模型的辨识方法,将辨识结果与最小二乘法辨识结果进行对比。结果表明,本文提出的辨识方法具有辨识精度高(FIT:90.05±3.12%v.s.54.41±9.56%)、能有效抵消实际因素的影响、对不同特征的个体能获得稳定的辨识结果等优势。     

一类基于FARIMA过程的电梯导轨振动模型

研究电梯运行中导轨的随机振动时,将电梯运行中测得的导轨间距离DGB看作一时间序列,发现具有长相关性．常用的整数自回归模型、分数噪声模型都只能片面地描述该类数据的短相关性或长相关性。给出了利用FARINA(自回归分数整合滑动平均模型)拟合DGB的方法,该模型可同时刻画实测数据DGB的长相关和短相关特性,并通过对实测数据的实验,证明了模型的优效性。     

一种基于神经网络的模态参数识别方法

提出一种利用神经网络结合自回归滑动平均时间序列分析来提取结构或系统模态参数的方法。这种方法首先运用神经网络计算出自回归滑动平均时间序列分析中的未知系数,然后提取出系统的模态参数。数值仿真及实验结果表明,该方法具有很高的识别精度、对噪声不敏感和具有很强的抗噪性的特性,这几点是传统时域辨识方法不具备的。文中提出的方法适合提取出实际系统的模态参数,对实际测量信号分析具有较好的参考价值。     

利用ARIMA改进HHT端点效应的方法

针对希尔伯特-黄(Hilbert-Huang transform,简称HHT)变换中经验模式分解(empirical modedecomposition,简称EMD)的端点效应问题,提出一种基于自回归综合滑动平均模型(ARIMA)进行端点延拓的改进方法。利用ARIMA在非平稳数据建模方面的优势,EMD前在待分析信号两端各预测一段数据,HHT后再截去延长的部分,保留原信号长度的处理结果。通过仿真信号和实测的转子不对中故障信号验证了该方法的有效性,证实改进后的算法能有效地抑制EMD端点效应的影响,信号故障特征更清晰,并且ARIMA模型的参数确定方便,算法易于使用。     

基于改进PSO算法的发酵过程模型参数估计

建立准确的非线性机理模型是发酵过程优化调控的关键.提出了一种基于改进粒子群优化算法(PSO, particle swarm optimization)的发酵过程模型参数估计方法,并将该方法用于青霉素发酵过程建模.改进的PSO算法通过引入粒子群能量对粒子进行自适应分群以防止粒子陷入局部最优,从而保证收敛于全局最优解.实验结果表明,该方法可以有效地实现青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足发酵过程的状态估计和控制需求.     

一种估计管材硬化模型参数的方法

管材力学性能参数的准确性是影响管材塑性成形有限元数值模拟质量的关键因素之一。单向拉伸试验的试件取自滚弯和焊接等制管工序之前的平板坯料 ,所测应力—应变关系无法真实描述管材的塑性变形行为。单向拉伸试验也不能精确反映管材在实际塑性成形中所处的复杂应力状态。基于各向同性硬化假设 ,本文提出了一种轴压胀形、单向压缩试验和数据拟合技术相结合的估计管材硬化模型参数的方法。有限元数值模拟结果显示 ,由这种方法所估计出的管材硬化模型参数是相当准确的。     

基于混合优化策略的自回归-滑动平均模型建模

自回归一滑动平均(ARMA)模型参数估计一直是ARMA模型建模问题的难点和重点,目前的模型参数估计方法都采用传统最小二乘法及其推广算法,预测精度低.采用基于混合优化策略的遗传模拟退火算法进行ARMA模型参数估计,克服了传统算法的缺点,并在此基础上利用遗传模拟退火算法可以确定ARMA阶次的特点,提出基于混合优化策略的ARMA模型建模方法.利用这种建模方法和传统建模方法对组合炮控系统精度进行建模比较,证明基于混合优化策略的ARMA模型建模方法收敛快,精度高.     

基于Matlab的AR模型参数估计

基于Matlab用时间序列的最小二乘估计和FPE、AIC、BIC准则对AR(n)模型进行参数估计。用实例说明运用Matlab进行AR(n)参数估计,编程简单,分析直观     

焊接模型的非线性方程组参数估计法

图像的标定就是确定世界坐标系和图像坐标系的几何关系。在透视光变换模型的基础上,运用非线性方程组参数估计中的牛顿法对焊接模型进行了重新标定。通过对非线性估计法实验数据的分析可以看出,当图像有干扰时,标定的参数值能够最大限度地接近真实值,用估计法求解降低了传统标定过程中因过参数化而导致的求解结果误差较大的问题,为进一步的自动焊缝跟踪提供了准确的焊缝尺寸信息。     

焊接钢管的模态参数目标建模及模型修正

焊接热影响区建模是动力学分析的一个难点问题,而模态参数的一致逼近是建模及修正的一个主要目标。主要研究了钢管焊接区建模及修正过程中的两个关键问题,即目标一致逼近模型的建立和模型修正的敏感参数分析。在研究过程中,以一个焊接管接头的缩尺试样为对象,利用试验提供的测试结果,研究了这类焊接结构的模态参数目标模拟过程,使建立的模型能够同时逼近两个测试目标,即结构的模态频率和主振型,并通过影响因素计算分析该模型修正过程中需要考虑的主要敏感参数。研究结果表明,钢管的焊缝厚度、焊缝弹性模量和焊接热影响区域的弹性模量是模型修正中应该考虑的主要参数。     

混合车型组装线的投入顺序问题

综合论述在混合车型组装线中具有重要的地位和投入顺序问题。对混合车型组装线中的车辆 人的移动轨迹进行模型化,介绍投入顺序问题中的几种主要目标函数的来源,并给出了计算复杂性的结论,评价几类主要算法,分析和比较各种目标丞数及各类算法的性质和特点。     

弯曲加工结构响应的目标模拟及模型修正敏感参数分析

研究了目标一致逼近模型的建立和模型修正的敏感参数分析。以一个弯曲钢棒结构的缩尺试样为对象,利用试验提供的测试结果,研究这类弯曲加工结构的模态参数目标模拟过程,使建立的模型能够逼近2个测试目标,即结构的模态频率和主振型,并对影响因素进行分析。     

电磁轴承最优控制参数的分析

建立了实际刚性转子电磁轴承系统的数学模型,分析了系统的稳定区域,以扰动量平方和最小为目标函数分析了系统的最优控制参数并运用了实际系统。最后比较了不同参数对系统性能的影响。     

电液驱动Stewart平台模型参数辨识方法

电液驱动Stewart平台是一个多输入多输出复杂并联机构,各通道间存在严重负载交联耦合。在确定平台各通道性能参数时,按照简单的阀控缸系统进行理论计算或系统辨识,结果和实际情况相差极大,这严重影响平台控制系统的设计和系统性能的提高。为了解决上述问题,设计一种基于Levenberg-Marquardt寻优算法的六维互不相关信号激励的Stewart平台闭环辨识算法,并应用于电液驱动Stewart平台试验样机。试验结果表明该辨识算法准确地辨识出平台通道性能参数,取得较满意的辨识结果。     

累积法进行回归参数估计时正规方程的病态问题研究

简述了普通累积法的概念和进行回归参数估计的原理,提出了正规方程的病态是参数估计中的一个重要问题,并给出了用优化方法进行解决的方案。     

改进的动力学参数迭代辨识方法

迭代的辨识方法考虑了物理可行性约束、异常采样数据的去除和更符合实际的摩擦模型,因此可以获得更准确的动力学参数。针对需要辨识的参数多导致迭代时间成本高的问题,提出一种改进的动力学参数迭代辨识方法,通过引入 F 统计量剔除对机器人关节力矩几乎没有贡献的参数,降低迭代中需要辨识的参数的维度,以减少辨识时间、提高辨识效率。实验结果表明,在 Chin7 机器人上,该方法能在不影响力矩计算精度的前提下将辨识的计算时间减少 45% 。     

边缘分布估计算法在车削参数优化中的应用

在数控车削中,降低工件加工成本具有重要的实际意义,但如何选择合理的车削参数以达到最小化加工成本是一个多约束非线性的复杂优化问题。针对该问题,提出基于边缘分布估计的UMDArp和UMDAp算法。在接近实际加工约束条件下,同时优化粗精车削参数,选出合适的加工参数组合(粗切削速度、粗进给量、粗车量、粗车次数、精切削速度、精进给量和精车量)。同时,使用基因修复策略和惩罚函数相结合的约束处理方法,进一步提高算法寻优性能。计算机模拟表明,UMDArp算法能搜索到比以往提出的启发性算法更优的车削参数组合,从而减小加工开销。