滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

基于改进A*算法的高速公路选线决策辅助模型

为提高山区高速公路选线的智能化水平,基于改进A*算法对高速公路选线决策辅助模型进行了分析。提出了高速公路选线的平面约束指标和纵断面约束指标;根据山区高速公路选线实际情况,从估价函数、搜索范围、搜索方向、数据结构、优化方法等方面对传统A*算法进行了改进,建立高速公路选线决策辅助模型;并通过实际案例验证了该模型的有效性。研究结果表明:与传统A*算法相比,改进A*算法在搜索时间、搜索次数、搜索节点数方面分别降低了约75%、48%、44%;路线优化后的总转折角度和长度分别降低了约83%和17%;高速公路选线决策辅助模型能有效地处理自然环境复杂条件下的选线问题,具有较高的实用价值。

滤波辨识(14):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量输出误差随机系统中。

系统辨识(4):辅助模型辨识思想与方法

辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念是该文作者提出的研究辨识问题的原创性新方法,已经被用在很多辨识问题的研究中,形成了不同的辨识方法族,可以用于解决许多线性或非线性模型的自适应信号处理、自适应参数估计、自适应滤波和预测、自适应控制等问题.由于客观事物具有双重属性:一些特征变量是可观测的;一些是不可测的.如果表征系统特征的观测变量都是可测的,就容易建立描述其运动规律的数学模型.客观事物的不可测属性给建立系统数学模型带来特别的困难.在这种情况下,如何利用系统的可测信息,实现对系统未知变量的估算,来建立系统的数学模型,是辨识领域极具挑战性的研究课题.辅助模型辨识思想就是在这样的背景下发展起来的.该文介绍辅助模型辨识思想和一些基于辅助模型的辨识方法.

基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识

针对含有过程噪声的Hammerstein模型,提出了一种基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识方法。采用多信号源实现Hammerstein模型的可辨识性和参数估计分离问题;将辅助模型引入到串联模块的最小二乘法辨识中,得到Hammerstein模型参数的无偏估计。仿真结果验证了该算法的有效性。

基于辅助模型的多新息广义增广随机梯度算法

将辅助模型辨识思想与多新息辨识理论相结合,利用系统可测信息建立一个辅助模型.分别用辅助模型输出和噪声估计值代替辨识模型信息向量中未知真实输出变量和不可测噪声项,并引入新息长度扩展标量新息为新息向量,提出了Box-Jenkins模型的辅助模型多新息广义增广随机梯度辨识方法.所提出方法重复使用系统数据,能够改善参数估计精度,加快算法的收敛速度.

滤波辨识(5):输出误差自回归滑动平均系统的滤波辅助模型递推广义增广参数估计

针对输出误差自回归滑动平均系统,即Box-Jenkis系统,利用滤波辨识理念,研究和提出了滤波辅助模型广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广投影辨识方法、滤波辅助模型递推广义增广梯度辨识方法、滤波辅助模型多新息递推广义增广梯度辨识方法、滤波辅助模型递推广义增广最小二乘辨识方法、滤波辅助模型多新息递推广义增广最小二乘辨识方法。这些滤波辅助模型广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(6):输出误差自回归滑动平均系统的滤波辅助模型广义增广迭代参数估计

输出误差自回归滑动平均模型也称为Box-Jenkins模型。针对Box-Jenkins系统,基于滤波辨识理念,研究和提出了滤波辅助模型广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广投影迭代辨识方法、滤波辅助模型广义增广最小二乘迭代辨识方法、滤波辅助模型多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

传递函数辨识(17):输出误差模型的辅助模型递阶递推参数估计

针对输出误差系统,利用辅助模型辨识思想和递阶辨识原理,研究了辅助模型递阶随机梯度算法、辅助模型递阶多新息随机梯度算法、辅助模型递阶梯度算法、辅助模型递阶多新息梯度算法、辅助模型递阶最小二乘算法、辅助模型递阶多新息最小二乘算法等。这些辨识方法可以推广到有色噪声的随机系统中。

滤波辨识(8):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用辅助模型辨识思想,滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶递推广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

传递函数辨识(25):自回归输出误差自回归滑动平均系统的辅助模型递阶广义增广递推参数估计

利用递阶辨识原理、多新息辨识理论,研究和提出AR-OEARMA系统的辅助模型递阶广义增广随机梯度算法、辅助模型递阶多新息广义增广随机梯度算法、辅助模型递阶广义增广递推梯度算法、辅助模型递阶多新息广义增广递推梯度算法、辅助模型递阶广义增广最小二乘算法、辅助模型递阶多新息广义增广最小二乘算法。这些辅助模型递阶递推辨识方法可以推广到其他有色噪声干扰下的线性多变量和非线性多变量随机系统中。

传递函数辨识(18):输出误差模型的辅助模型递阶迭代参数估计

针对输出误差系统,利用迭代搜索原理,研究了辅助模型梯度迭代算法、辅助模型最小二乘迭代算法、辅助模型多新息梯度迭代算法、辅助模型多新息最小二乘迭代算法;利用递阶辨识原理,研究了辅助模型递阶梯度迭代算法、辅助模型递阶多新息梯度迭代算法、辅助模型递阶最小二乘迭代算法、辅助模型递阶多新息最小二乘迭代算法等。这些辨识方法可以推广到有色噪声的随机系统中。

基于辅助模型的递推增广最小二乘辨识方法

针对有色噪声干扰的输出误差滑动平均系统,将辅助模型与递推增广最小二乘算法相结合:用辅助模型的输出代替辨识模型信息向量中的未知真实输出项,用估计残差代替信息向量中的不可测噪声项,从而提出了基于辅助模型的递推增广最小二乘辨识方法.为了展示所提方法的特点,文中还给出了经过模型变换的递推增广最小二乘算法.理论分析和仿真研究表明,提出的方法原理简单、计算量小,可以给出高精度参数估计,且能够用于在线辨识.

多变量系统的辅助模型辨识方法的收敛性分析

丁锋，谢新民[1]假设协方差阵P0-1（t）（s）的最大特征值与最小特征值之比（即条件数）有界，和系统噪声{w（t）}方差有界，证明了辅助模型辨识其法参数估计的一致收致性．本文将分别放松这两个条件，即ⅰ）条件数无界，ⅱ）系统噪声为非平稳噪声，且方差无界，探讨了辅助模型算法的收敛性．分析表明在这种较弱的假设下，辅助模型算法保持很强的鲁棒性，参数估计是一致收敛的．

随机干扰系统的辅助模型递推广义增广最小二乘辨识方法

基于辅助模型辨识思想,提出了一般有色噪声干扰随机系统的辅助模型递推广义增广最小二乘辨识方法。仿真例子说明提出方法的有效性。

辅助模型辨识方法(2):输入非线性输出误差系统

针对具有已知基的输入非线性输出误差系统,提出了基于过参数化模型的辅助模型递推辨识方法和辅助模型递阶辨识方法,提出了基于关键项分离的辅助模型递推辨识方法、基于关键项分离的辅助模型两阶段辨识方法和辅助模型三阶段辨识方法,提出了基于双线性参数模型分解的辅助模型随机梯度算法和基于双线性参数模型分解的辅助模型递推最小二乘算法,并给出了几个典型辨识算法的计算量、计算步骤.这些算法的收敛性分析都是需要研究的辨识课题.

辅助模型辨识方法(3):输入非线性输出误差自回归系统

输入非线性系统包括输入非线性方程误差类系统和输入非线性输出误差类系统.针对输入非线性输出误差自回归系统,分别基于过参数化模型,基于关键项分离原理,基于数据滤波技术,研究了相应的基于过参数化模型的辅助模型递推辨识方法、基于关键项分离的辅助模型递推辨识方法、基于数据滤波的辅助模型递推辨识方法.这些方法可以推广到其他输入非线性输出误差系统、输出非线性输出误差系统、反馈非线性系统等.并给出了几个典型辨识算法的计算步骤、流程图和计算量.

基于MBD的装配工艺辅助模型快速生成技术研究

在全三维信息模型中,标准件位置通过理论外形上的点表示,而在实际生产中有时要求能快速批量将理论外形上的位置信息转移到其他相关装配件上,并根据工艺要求进行规范性的结构树添加。针对目前装配工艺模型快速生成技术存在的问题,提出了标准件位置信息批量转移算法,结合CAA/CATIA平台,完成装配工艺模型快速生成系统软件,实现了标准件位置由理论外形到结构件的快速批量转移和辅助模型的快速自动标注,规范了建模过程和辅助模型的结构树。

一类有色噪声干扰系统的辅助模型多新息辨识方法

针对一种有色噪声干扰系统,把标量新息扩展为向量新息(即多新息),将最小二乘算法、随机梯度算法分别和辅助模型方法结合,提出了基于辅助模型的多新息最小二乘算法和基于辅助模型的多新息随机梯度算法。与传统最小二乘算法和随机梯度算法相比,所提出的算法可有效提高收敛速度和辨识精度,其中基于辅助模型的多新息随机梯度算法比基于辅助模型的多新息最小二乘算法计算量少、收敛速度快。仿真例子验证了算法的有效性。

Hammerstein OEMA系统的辅助模型最小二乘辨识

针对Hammerstein输出误差自回归(OEMA)模型,将关键变量分离原理与辅助模型辨识思想相结合,提出了基于关键变量分离的辅助模型递推增广最小二乘辨识方法。该方法能获得系统参数估计和噪声参数估计,且能实现在线辨识。