复杂系统模型结构辨识问题

本文给出了复杂系统模型结构辨识问题的基本假设和定义;论述了结构辨识的基本问题;证明了模型结构辨识问题可以看作是根据有限观测数据并利用建模时采用的外部准则来选择模型结构和参数的问题.文中分析了无偏结构的必要条件和模型筛选用的几个基本的外部准则,讨论了观测数据分割问题.     

一类复杂系统的集成辨识方法

针对一类具有相互关联非线性子系统的复杂系统,提出了一种稳态辨识与动态辨识相结合的集成辨识方法。利用稳态信息获取各子系统稳态模型（非线性增益）的强一致性估计,通过动态辨识得到各子系统线性部分的模型参数。仿真结果表明了该方法的有效性和实用性。     

复杂系统辨识的网络初始化算法

针对用于非线性辨识的连续激发函数的神经网络 ,提出一种根据被测对象非线性特性设计网络初值的算法。这种方法分析了双曲函数 f(x) =tanh(x)敏感区分布和神经网络的灵敏度对网络输出的影响 ,根据样本 ,求出敏感区宽度 Gb,网络隐层权值与 Gb成反比 ,同时满足网络的第 K层权值小于 (K- 1 )权值。电动机非线性磁场的辨识表明这种初始化算法不仅使辨识精度有所提高 ,且加快了网络的收敛速度。     

一种用于模型结构辨识的新方法

系统辨识的关键是模型结构的辨识，它包括模型验前结构的假定和模型结构参数的确定。线性系统的模型结构辨识实质上就是确定模型的结构参数。该文以飞行器运动数学模型为研究对象，介绍了一种基于Bayes假设检验理论、适用于线性系统模型结构辨识的新方法，并给出了工程应用实例。     

Wavelet模型在系统辨识中的应用

小波分析理论是近年发展起来的一个新的数学分支．为了研究Ｗａｖｅｌｅｔ分析理论在控制问题中系统辨识领域的应用，提出了Ｗａｖｅｌｅｔ模型并分析了其结构和特征．同时，引入Ｌａｇｕｅｒｒｅ模型作为与Ｗａｖｅｌｅｔ模型进行对比研究的对象，剖析了两者的相同之处及差异．通过将Ｌａｇｕｅｒｒｅ模型与Ｗａｖｅｌｅｔ模型同时应用于构造具有延时因子的线性系统的模型中，经分析比较，发现Ｗａｖｅｌｅｔ模型优越于Ｌａｇｕｅｒｅ模型．     

拓扑辨识具有社团结构的加权复杂动态网络

针对具有社团结构的一般不确定加权动力学复杂网络,利用反馈控制和自适应控制构造了一个驱动-响应系统来辨识驱动系统的拓扑结构,并根据线性稳定性理论和Lyapunov方法给出了拓扑辨识的充分条件.最后,通过数值仿真验证了所提方法的正确性和有效性.     

一种复杂系统的模糊模型结构及递推辨识方法

提出了一种复杂系统的模糊模型结构及辨识方法．该模糊模型利用系统的输入和输出数据,将输入和输出空间视为模糊空间．根据辨识精度将模糊空间划分为ｍ 个子空间,每个子空间由线性模型来表征．由隶属函数将子空间模型联接成全局模型来表征系统的整体特性．隶属函数和子空间的模型参数由递推辨识方法实现．仿真结果表明,这种模型结构可以表达复杂系统的特征和辨识算法的有效性     

一类分布参数系统的辨识

讨论非均质碳酸盐岩气藏的分布参数系统辨识方法．在考察窜流函数与地质特征的关系基础上,建立一般的双重孔隙结构模型并阐述其作用与意义;介绍系统辨识问题的若干新结果,包括稳定泛函和参数可辨识性等;用自共轭算子的谱扰动方法证明结构模型的孔隙度和窜流系数的可辨识性．结果表明,分布参数系统辨识包括参数、边界和结构等的辨识,具有实际应用前景。     

一类非线性系统稳态模型辨识方法

针对一类非线性系统，本文提出了一种辨识其稳态模型的新方法，并得到了稳态模型的强一致性估计。辨识输入信号为优化过程中设定点的正常阶跃变化信号。本文还研究了估计残差的渐近分布和残差收敛速度，最后的计算机数字仿真显示了该方法的有效性和实用性。     

基于神经网络的复杂过程系统模型辨识

针对复杂生产过程中的一阶和二阶液位系统,利用MATLAB软件的神经网络工具箱,分别应用BP和径向基两种神经网络模型进行系统辨识,得到系统模型．通过结果比较,得出两种神经网络的应用特点：对于一阶非线性液位过程,径向基神经网络创建的数学模型性能较好;对于二阶线性液位过程,BP神经网络的建模效果较好;尽管BP神经网络的模型训练过程有学习收敛慢、局部最小点、层数和单元数不易确定的缺点,但其函数逼近的精确度对二阶线性的辨识具有独特优势．     

挠性结构振动主动控制中的模型辨识

论文将有限元建模与面向控制的频域辨识结合起来应用于挠性结构振动主动控制的建模中，并对辨识的输入信号进行分析研究，以挠性悬臂梁为例进行了模型辨识，利用物理实验系统进行控制和验证，结果表明：对于挠性结构，频域辨识能得到针对控制的、效果很好的数学模型。     

励磁系统模型可辨识性研究

对于确定的励磁系统模型结构,研究励磁系统模型参数的可辨识性,提出利用参数之间存在的关系解决模型的不可辨识问题.通过现场工业试验和软件仿真,将仿真曲线与实测曲线对比,验证辨识方法可行和结果可信.     

IMC跟踪模型的辨识

跟踪模型是自适应ＩＭＣ控制系统的关键模块，具有实时，精确的特殊要求。提出一种利用系统固有信号作为激励信号，使模型辨识处于强迫激励状态，加上对粗劣误差信号、分段恒值干扰信号的删除，因此，拟合模型可以达到自适应ＩＭＣ系统的要求。     

基于最优边界划分的多层次复杂系统参数辨识方法

为了提高多层次复杂系统的模糊控制能力,需要进行参数辨识优化设计,提出基于最优边界划分的多层次复杂系统参数辨识模型。构建多层次复杂系统参数辨识的约束参量模型,采用模糊二自由度微分方程进行多层次复杂系统参数辨识和多元规划模型设计,建立多层次复杂系统参数分析的模糊正交规划函数,结合模糊交叉控制方法进行多层次复杂系统参数的分布式拟合控制,建立模糊控制函数进行多层次复杂系统参数的多层次复杂系统参数特征分解,结合小波函数多尺度分解方法进行多层次复杂系统参数特征量的多维分解,构建多层次复杂系统参数分量的特征重组模型,结合模糊正交规划函数的自动寻优方法进行多层次复杂系统参数的自适应求解,提高多层次复杂系统参数辨识的精度,实现多层次复杂系统参数辨识模型设计。仿真结果表明,采用该方法进行多层次复杂系统参数辨识的收敛性较好,多层次复杂系统参数辨识的精度较高。     

基于多模型在线辨识的滑模变结构控制

为了改善复杂非线性系统中传统滑模变结构控制系统的控制效果,提出了一种将多模型在线建模与滑模变结构控制结合的方案.首先,根据输入输出数据利用在线数据聚类的方法建立多个局部模型,实时对局部模型进行更新,并通过加权综合获得非线性系统的在线辨识模型;然后,针对系统的辨识模型设计基于趋近律的滑模变结构控制器.仿真结果表明,控制方案对系统模型的不确定性具有良好的鲁棒性.     

多变量Hammerstein系统的稳态模型辨识

本文针对多变量Ｈａｍｍｅｒｓｔｅｉｎ系统，提出了利用优化过程中设定点变化的阶跃信号，辨识系统稳态模型的方法，并且获得了稳态模型的强一致性估计。仿真结果也表明了该方法的有效性和实用性。     

一个非线性模型的参数辨识

给出了一个非线性模型的参数辨识方法和过程。     

神经网络智能控制系统辨识模型结构的研究

目的 研究神经网络智能控制系统辨识模型的基本结构。方法 分析了控制系统动态模型的输入、输出关系,依据模型等效的最优化原理和神经网络任意逼近有限不连续函数的性质,提出神经网络辨识模型的基本结构。结果 该基本结构不仅适用于高阶线性系统,也适用于非线生及时变系统,可达到较高的辨识精度,保证了由此构成了神经网络控制系统具有较好的自适应性和鲁棒性。结论 所提出的基于神经网络系统辨识模型的基本结构具有一般性和