子系统为ARMA和分段线性函数的Wiener系统的参数辨识

本文研究ARMA线性子系统串联分段线性函数的Wiener系统的递推辨识问题.利用相关分析法和Yule-Walker方程给出线性部分参数的递推辨识算法,而对非线性部分参数用递推的最小二乘(LS)算法给出估计,并证明了这些算法都以概率1收敛到真值.     

基于主成份分析的递推子空间辨识

研究了多输入多输出系统的状态空间模型的递推子空间辨识问题.针对只有输出量测噪声的线性时不变系统,提出了基于随机逼近-主成份分析(SA-PCA)的估计扩张能观矩阵的递推算法.同时利用递推最小二乘在线估计系统矩阵.最后通过仿真例子说明算法的收敛速度和估计效果.     

变量带误差系统的递推辨识:从线性到非线性系统

介绍变量带误差(EIV)系统的递推辨识方法.在引言中扼要介绍了EIV系统辨识的现状后,分别对多变量线性EIV系统及EIV Hammerstein系统给出了递推辨识算法,并给出条件使这些估计以概率1收敛到真值.最后提出了一些值得进一步研究的问题.     

最小二乘辨识的强一致性

系统辨识中参数估计的一致性问题已有很多研究。[1,2]研究了最小二乘辨识的弱一致性问题。[3,4]对离散时间系统、[5]对连续时间系统提出了保证最小二乘估计收敛且强一致的条件。但其中包含了噪声的条件协方差阵对(t,ω)一致有界。[6,7]把递推算法的收敛性、强一致性和某一常微分方程的稳定性建立了联系,这一类定理所讨论的并不是某一种特定的算法,而是一类算法。但[6]中所要求的条件很多,有的不容易验证,[7]中处理方法较[6]简单。但所要求的条件仍很强,特别是事先要求递推过程一致有界及常返某一紧集,这样一个不太合理的要求。     

递推阻尼最小二乘法的收敛性与稳定性

递推最小二乘法是参数辨识中最常用的方法,但容易产生参数爆发现象.因此对一种更稳定的辨识方法——递推阻尼最小二乘法进行了收敛特性的分析.在使用算法之前先归一化测量向量,结果表明,参数化距离收敛于一个零均值随机变量,并且在持续激励条件下,适应增益矩阵的条件数有界.参数化距离的方差有界.     

双变量LMEs一种异类约束最小二乘解的MCG算法

借鉴求线性矩阵方程组(LMEs)同类约束最小二乘解的修正共轭梯度法,建立了求双变量LMEs的一种异类约束最小二乘解的修正共轭梯度法,并证明了该算法的收敛性.在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LMEs的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LMEs的极小范数异类约束最小二乘解.另外,还可求得指定矩阵在该LMEs的异类约束最小二乘解集合中的最佳逼近.算例表明,该算法是有效的.     

递推阻尼最小二乘法

递推最小二乘法是参数辨识中最常用的方法,但容易产生参数爆发现象,本文推导了一种更稳定的辨识方法－阻尼最小二乘法的递推求解算法。     

基于自适应模糊聚类的T-S模糊辨识方法

针对模糊建模在进行结构辨识时需事先设定聚类数的问题,本文在改进模糊分割聚类算法的基础上,对算法中聚类数c给出优选方法,提出了参数自适应模糊聚类算法,并结合递推最小二乘法构建T-S模糊辨识算法。为了验证本文提出的模糊辨识方法的有效性,采用该算法对熟知的Box-Jenkins煤气炉数据和实际的电液位置伺服系统数据进行建模,结果显示该辨识方法具有较高的逼近精度和较好的泛化能力。     

系统辨识中的一致性定理

1.引言 对系统辨识中参数估计的一致性问题,已有很多研究,其中鞅和微分方程是两种较有成效的方法。[1,2]对离散时间系统,对连续时间系统分别用鞅的收敛性定理,证明了保证最小二乘估计收敛且一致的简单条件,但是这一类证明方法很难用到稍异于最小二乘的算法上去,并且还要求噪声的条件协方差阵对(t,ω)一致有界。[3,4]把递推算     

双矩阵变量Riccati矩阵方程对称解的迭代算法

研究一类双矩阵变量Riccati矩阵方程(R-ME)对称解的数值计算问题.运用牛顿算法求R-ME的对称解时,会导出求双矩阵变量线性矩阵方程的对称解或者对称最小二乘解的问题,采用修正共轭梯度法解决导出的线性矩阵方程约束解问题,可建立求R-ME的对称解的迭代算法.数值算例表明,迭代算法是有效的.     

Sylvester矩阵方程极小范数最小二乘解的迭代解法

研究了Sylvester矩阵方程最小二乘解以及极小范数最小二乘解的迭代解法,首先利用递阶辨识原理,得到了求解矩阵方程AX+YB=C的极小范数最小二乘解的一种迭代算法,进而,将这种算法推广到一般线性矩阵方程A_iX_iB_i=C的情形,最后,数值例子验证了算法的有效性.     

Hénon混沌系统的模糊广义预测控制与同步

针对Hénon混沌系统,本文给出了一种基于T-S模糊模型的混沌系统广义预测控制算法。该方法将模糊辨识和广义预测控制结合起来应用到Hénon混沌系统中。首先,应用T-S模糊模型对Hénon混沌系统进行辨识,模糊聚类法辨识模型的前件参数,递推最小二乘法辨识结论参数。基于辨识模型,采用广义预测控制算法对其进行控制,实现了系统的跟踪与同步。仿真结果表明,与其它算法相比,该算法能够保证系统输出快速、有效地跟踪设定值。     

基于多项式神经网络模型的人口预测方法研究

为了提高人口预测精度,提出了基于多项式神经网络模型与递推最小二乘法的人口预测方法.方法完全避免了人为假设条件,充分利用我国六次人口普查数据来建立基于多项式神经网络模型的人口预测模型,并使用递推最小二乘算法递推计算多项式神经网络模型的加权系数.方法能有效预测中长期人口数据及其变化趋势.研究结果表明,中国将在2016年达到人口高峰1385亿.     

矩阵方程组一种异类约束最小二乘解的迭代算法

本文研究了求双矩阵变量线性矩阵方程组(LMEs)的一种异类约束最小二乘解的问题.通过构造等价的LMEs,并修改共轭梯度法的下降方向及其有关系数,建立了一种迭代算法.算例表明,迭代算法是有效的.     

线性系统的完全不变量,标准形实现与编码

线性定常系统的完全不变量的研究,不仅在代数上有理论意义,而且对系统的最小实现与辨识有重要应用价值.Popov 等给出了线性定常系统的完全不变量;一组完全不变量对应了系统的一种标准形.Bucy 等曾研究了由系统的 Markov 参数直接求得系统标准形的实现算法(称为标准形实现).Guidorzi给出了由系统输入输出数据得到系统标准形的实现算法与结构辨识算法.     

带衰减观测和随机传感器偏差的多传感器AR信号融合辨识与估计

研究了带衰减观测和随机传感器偏差的多传感器AR信号融合辨识与估计问题.首先,将AR模型转换为状态空间模型,将状态和传感器偏差进行增广得到一个等价的状态空间模型,给出了当系统模型精确已知下的最优滤波算法.然后,当AR信号参数、衰减观测随机变量的数学期望和方差未知时,提出了两段辨识算法.第一段采用递推增广最小二乘法(REL...     

基于偏最小二乘变换与Kriging模型的全局优化方法

针对传统Kriging模型在多变量(高维)输入全局优化中因超参数过多而引发收敛速度慢,精度低,建模效率不高问题,提出了基于偏最小二乘变换技术和Kriging模型的有效全局优化方法.首先,构造偏最小二乘高斯核函数;其次,借助差分进化算法寻找满足期望改进准则最大化条件的新样本点;然后,将不同核函数和期望改进准则组合,构建四种有效全局优化算法并进行比较;最后,数值算例结果表明,基于偏最小二乘变换的Kriging全局优化方法在解决高维全局优化问题方面相比于标准的全局优化算法在收敛精度及收敛速度方面更具优势.     

离散时间系统的适应控制与稳定性

利用最小二乘 ( LS)和加权最小二乘 ( WLS)为线性 ARX系统和能被线性函数控制的非线性 ARX系统分别设计了适应控制器 ,并且证明了闭环系统是全局稳定的 .     

变时延过程的控制系统最小方差性能评价

针对单变量变时延过程中时延信息的估计问题和系统参数的辨识问题,分别研究了时延估计以及遗忘因子递推线性回归算法的最小方差性能基准.首先,利用系统过程运行数据,运用强跟踪滤波算法对时延信息进行估计,并根据时延改变情况将运行过程分段;然后,在每段时延固定的基础上,针对模型参数动态辨识,提出改进的遗忘因子递推线性回归算法的最小方差性能基准;最终,提出了变时延过程的最小方差性能基准的评价步骤.实验结果表明,相比较传统评价基准,变时延过程的最小反差性能评价基准的评价结果更加准确.     

基于全驱系统方法的冷带轧机压下系统自适应同步控制

由于冷带轧机操作侧与传动侧位置子系统的内部参数不确定性与不一致性,液压两侧位置系统的动态性能不同,这往往导致轧机生产的板材厚度不一致.文章基于全驱系统方法提出了一种参数自适应同步控制策略.首先,建立了液压位置系统的辨识模型与全驱模型;然后,基于辨识模型采用递推最小二乘算法对子系统的未知参数进行辨识;进而,针对建立的全驱同步系统模型,设计了参数化控制器,从而达到闭环系统稳定,以及两侧子系统的同步.最后,仿真结果表明了同步控制方案的有效性.