基于加速收敛与递阶迭代的多变量系统辨识算法

根据递阶辨识原理和迭代辨识原理,可以实现多变量系统参数的准确辨识,但是其参数的收敛速度有待提高。该文针对参数的收敛性进行研究,提出了基于加速收敛技术的辨识方法。该方法根据递阶辨识原理将多变量系统分解成2个子系统,使其分别含有参数向量和参数矩阵,再根据迭代辨识原理得到参数的迭代解,并应用加速收敛技术进行加速。仿真实验表明:该方法可以得到很好的辨识结果,加速收敛技术的应用显著提高了参数的收敛速度。     

时变系统的最优设计变量

考虑时变系统辨识中辨识设计变量的最优化问题。时变系统的参数由随机游动过程描述,讨论时变系统的FIR模型传递函数估计的均方误差(MSE),记作MSE,在新的准则函数极小的意义下,给出某一频率区间上时变系统辨识的设计变量。     

水箱液位多变量系统辨识方法的比较

针对流程工业中广泛使用的多反应塔液位控制系统,以三水箱液位系统为例,利用伯努利流体力学原理,推导了液位系统的多变量非线性数学模型.采用线性化和离散化方法,获得系统的状态空间模型和传递矩阵模型,分析辨识该多输入多输出模型的遗忘梯度算法、子系统遗忘梯度算法和递阶遗忘梯度算法,并对这3种算法进行仿真比较.结果表明,递介遗忘梯度算法计算量最小,计算效率最高,但参数估计性能介于遗忘梯度算法和子系统遗忘梯度算法之间.     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.     

多变量系统随机梯度辨识方法比较研究

针对工业中广泛存在的多变量系统,研究了辨识这类系统的遣忘梯度辨识算法,分子系统遗忘梯度辨识算法和递阶遗忘梯度辨识算法,对这三种算法的计算量进行了比较分析,并给出了仿真例子.     

多变量系统子子模型辨识

目前,对多变量系统辨识的研究已经越来越多,但是,基本上都属于子模型的辨识问题,不便于实际应用.本文采用子模型与子子模型技术,将一个有R个输入,m个输出的多变量系统分解为M个带R个输入的子模型,而每个子模型又可分解为R个子子模型(单输入单输出系统).在多变量系统中,只要做一次试验(同时加入月个输入信号),使用月个输入信号与M个输出信号的数据,可以自动辨识子模型的阶次与参数,再从子模型的有关数据,最终辨识出子子模型的阶次与参数.本文采用分块矩阵求逆公式,提出一种快速的自动定阶与估计参数的递推算法.     

多变量线性时变系统的求逆算法及降阶逆系统

首先将文献 [2 ]的情形推广到更具普遍意义的多变量线性时变系统 ,给出了其求逆算法并举例验证了其有效性 .然后 ,通过线性系统理论中的降维观测器构造方法 ,对多变量线性时变系统的降阶简化逆系统构造方法进行分析并给出证明 ,该方法揭示了可观测性矩阵的秩与逆系统阶数之间的联系 .     

时变系统的Laguerre模型辨识及设计变量(1)

文章考虑动态线性系统的时变参数是平稳的AR（1）变量，系统为时变的Laguerre模型时的传递函数估计的均方误差（MSE）。在缓慢时变和高阶模型下，利用随机梯度算法，得到MSE的近似表达式。该文利用Laguerre模型取代FIR模型，减小了MSE，降低了模型的阶次，最后讨论了随机梯度算法的设计变量的优化问题。     

时变系统的多模型参数辨识研究

本文利用变点统计学的思想,讨论离散动态时变系统的多模型参数辨识问题,并给出了基于黄金分割优化思想的最小二乘多模型参数辨识算法以及计算机仿真结果。仿真结果显示出本文所提出的算法对多模型参数以及变点的良好估计特性。     

减少辨识参数的多变量自校正控制器

采用具有定常增益的线性补偿器来限制输入个数从而获得减少辨识参数的新模型。以此模型为基础提出了多变量自校正控制器,并证明了该控制器具有全局收敛性,本文还给出了该控制器的仿真实验结果。     

一种多变量系统结构辨识和参数估计算法

提出一种新的多变量系统结构辨识和参数估计算法，它可同时递推辨识多变量系统 的结构指数和所有子系统的各阶模型参数，具有计算量小，计算品质好，编程简单等优 点。     

超级电容器时变等效电路模型参数辨识与仿真

为能更准确地描述超级电容器在工作过程中的外特性,在超级电容器经典等效电路模型的基础上,将其扩展为模型参数随时间变化的时变等效电路模型,并选用限定记忆最小二乘法辨识模型的时变参数.在Matlab/Simulink环境下利用实验数据对经典等效电路模型和时变等效电路模型进行仿真比较.结果表明,时变等效电路模型具有更高的精度,可以更精确地反映超级电容器的动态特性.     

SISO线性模型的阶次辨识和参数估算

对于ＳＩＳＯ线性差分方程模型,利用ＵＤ分解技术和数据向量的“移位性质”,可实现信息压缩阵的递推分解,从而在每步递推中能同时获得从１到ｎ（ｎ为实际系统的最大可能阶次）各阶的模型多数估值和损失函数值。利用所得的各阶损失函数值,可方便地确定系统的阶次、当系统噪声为有色噪声时,本方法党政军可同时确定噪声模型的阶次。本算法可显著减少辨识过程的计算量,具有良好的数值计算品质,提高了辨识精度。     

线性时变参数识别与非线性因素估计

本文讨论了利用非线性时不变振动系统的响应，根据线性模型识别出的线性参数的时变性质判断非线性项的存在、估计系统非线性因素的问题．大量的算例表明，据此判断非线性项的存在是可行的．文中还分析了利用具有非线性项的时变系统的响应，根据线性系统模型识别线性时变参数的问题．模拟计算表明，利用非线性系统的响应籍助线性模型，可以在相当大的范围内较好的识别出系统的线性时变参数。     

振动系统时变参数识别分析

本文利用变物理参数微分方程模型,讨论了刚度与阻尼随时间变化时,物理参数与模态参数的识别问题,比较了三种在线识别技术.数字模拟结果表明,采用变物理参数微分方程模型可比采用差分方程模型极大的提高最小二乘法识别阻尼比的精度.当加入系统的噪音较大时,有些改进识别方法失效,但最小二乘法仍能给出较好的估计.     

带有输人输出时延的多变量系统鲁棒稳定判据

本文利用稳定分式分解理论研究了参数在设定区域内变化的时延系统鲁棒性问题.通过构造一检验函数,给出判定闭环系统鲁棒稳定的一个充分条件.     

正交多项式法用于时变非线性分布参数系统的辨识

利用正交多项式序列与Ｔａｙｌｏｒ级数之间的线性关系,给出了精确的乘积系数矩阵的定义及乘积变换式。利用正交多项式序列的正交性及微分算子矩阵,论述了时变非线性分布参数系统参数估计的正交多项式法。     

分数阶非线性中立型时变系统的可控性

基于拉普拉斯变换,拉普拉斯逆变换以及卷积定理等,得出了多时滞分数阶非线性中立型时变系统的解的表达形式;根据系统解的表达形式,得到格兰姆矩阵,并给出了多时滞分数阶非线性中立型时变系统的可控性的判定依据,即对于任意给定状态x_0,xtf都有一个控制函数u(t),使得系统的解满足x(tf)=xtf.     

一类修正时变参数 LS 估算法及其工业应用

提出了一类修正ＬＳ估计算法，它不仅具有较强的实时跟踪能力和较高的估计精度，而且能克服病态估计，摆脱伪随机信号在工程中带来的麻烦．新算法计算简单，非常适合于工程应用，仿真及实际应用结果都证明新算法是有效的．文中给出了有关新算法的定理及其证明．