一种Volterra级数简化辨识方法及其应用研究

针对非线性故障诊断一般计算量大,难以实施在线检测的不足,提出了一种基于分块最小均方(BLMS)滤波器的简化辨识方法。该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数减少计算量的目的。将该方法应用到某型号直升机电动舵机的故障诊断中,实际测试表明了该简化辨识算法的有效性,为实施在线非线性故障诊断提供了一种解决途径,就有较大的工程实用价值。

一种直升机舵机的GFRF模型辨识方法

改进了以多音组合正弦信号为持续激励信号的非线性系统GFRF非参数模型辨识方法,并成功地利用该方法辨识出某型直升机并联电动舵机的GFRF模型.实践表明,改进后的辨识方法辨识精度高且稳定,只需很小的计算量和数据存储空间,是一种有效的非线性系统辨识方法,具有重要的工程实际应用价值.

一种基于BLMS的Volterra级数简化辨识方法

针对Volterra级数辨识中的“维数灾难”问题,提出了一种基于分块最小均方(BLMS)滤波器的简化辨识方法。该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核函数对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数减少计算量的目的。该方法为克服“维数灾难”,实现在线辨识Volterra级数提供了一个有效解决途径。最后,文中用一个工程实例验证了该算法的有效性。

小型直升机航向模型的增广递推最小二乘辨识

分析确定了模型直升机航向通道结构,考虑了噪声模型的存在,采用增广最小二乘法进行了参数辨识,从而避免了一般最小二乘法把误差模型隐含在系统模型中所造成的辨识精度不高的缺点。结果表明,虽然采用增广最小二乘法要考虑噪声模型,但是它具有速度快、辨识结果准确的特点,所得模型直升机的航向模型很好的表示了其系统特性,可以用来进行控制系统的设计和直升机的分析理解。

基于并联Hammerstein模型的无刷电机辨识

针对线性模型不能全面反映无刷电机的动态特性的问题,提出使用并联Hammerstein非线性模型对无刷电机进行辨识.首先通过类比Volterra级数模型对并联Hammerstein模型的静态非线性模块进行建模;进而给出了一种基于最小均方误差准则的辨识算法,对模型中线性动态子系统的频率响应函数进行估计;最后成功地利用该方法对某无刷电机进行了辨识.实践表明,使用该方法辨识得到的电机非线性模型在精度上较线性模型有较大提高,并且与Volterra级数模型相比只需很小的计算量.

一种Volterra级数模型的简化辨识方法及其应用

针对基于Volterra级数模型的非线性系统辨识中存在的“维数灾难”问题,提出了一种基于分块最小均方(BLMS)滤波器的简化辨识方法.该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核函数对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数,减少计算量的目的.最后,文章用一个工程实例验证了该算法的有效性.