变压器传递函数的系统辩识

利用最小二乘法 ,由变压器绕组频率响应辩识其传递函数的解析表达式 ,分析了影响辩识准确性的因素 ,提出了改进措施 。

一种混合遗传算法及其在线性系统辩识中的应用

提出一种将LMS算法和实数编码遗传算法相结合的混合遗传算法。相对于传统算法,将其应用于线性系统辩识,特别是IIR系统的辩识,具有明显优势。IIR系统的性能函数存在多个局部极小值,该算法首先利用遗传算法的全局最优性,在大范围内搜索可能的极值,并限制系统参数随机搜索的范围,以保证IIR系统的稳定性,再在遗传算法中嵌入一个LMS算子,在极值点附近进行快速搜索,从而达到全局最优与快速搜索的有机结合,提高了辨识精度和计算效率。仿真结果验证了该算法用于线性系统辨识的有效性和实用性。

Modified L-P小波最小二乘支持向量机及在动态系统辩识中的应用

为了提高动态系统的辩识品质,提出了一种新的可调带宽多维支持向量小波核函数—modified L-P小波核函数。理论上证明了这种核函数是满足平移不变核定理的支持向量核函数。由于该核函数具有平移伸缩正交性,而且适用于信号的局部分析、信噪分离和突变信号的检测,从而提升了支持向量机的泛化性能。应用Modified L-P小波核作为最小二乘支持向量机的核函数,可以简化计算复杂性,提高学习效率。回归实验和动态系统辩识的仿真结果表明,Modified L-P小波核函数最小二乘支持向量机的建模和逼近能力优于基于L-P小波核函数或高斯核函数最小二乘支持向量机,更适合工程应用。

粗糙集CMAC神经网络及其在非线性系统辩识中的应用

提出了一种基于粗糙集规则提取的CMAC神经网络非线性系统辩识策略。该策略利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则。对初步的规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度。通过一个非线性系统对该神经网络进行了实验,结果表明,该神经网络具有分类逼近能力强、计算量小等优点。

基于遗传算法的ELMAN网络在非线性系统辩识中的应用

分析了ELMAN网络的基本结构 ,并讨论了ELMAN神经网络的学习算法 ,针对BP算法的缺陷 ,提出了采用遗传算法修正网络的权值的学习算法。最后 。

改进的混合遗传算法及其在模糊系统辩识中的应用

对遗传算法进行浮点数编码，融和、设计了一些优良的遗传操作，形成浮点数编码的遗传算法（Float-encodingGeneticAlgorithunFGA）．FGA与梯度下降法相结合组成混合遗传算法（CombinedGeneticAlgoritmCGA）．一个函数优化实例说明了该算法的有效性。混会遗传算法应用到模糊系统的辩识问题时作出了良好的性能。

大纯滞后过程系统辩识与鲁棒性控制研究与实现

论文中对大纯滞后系统数学模型进行了辩识,并对其鲁棒性进行了研究,系统设计与调试结果,证明该方法是可行的。

自适应滤波在系统辩识中的应用及MATLAB仿真

自适应FIR滤波器使用中要考虑的重要问题是优化调整滤波器参数的准则 ,该准则不仅要对滤波器性能提供有意义的度量 ,而且必须导出可实现的算法。论述了一种自适应调整FIR滤波器系数的基本算法 (LMS)方法 ,提出了一种基于自适应滤波理论的系统辩识数学模型。自适应滤波器的结构是具有可调系数h(0 ) ,h(1) ,…h(N - 1)的直接型FIR滤波器、未知系统和FIR模型并联连接且用相同的输入序列激励。

牛顿法和伴随理论在半线性发展方程描述的参数系统的系统辩识中的应用

应用 H ilbert空间中的最优化方法的牛顿法和伴随理论来研究一半线性发展方程描述的参数系统的系统参数辩识 ,并给出了牛顿法二次收敛性的一种证明 .利用伴随理论和基本解的方法得到了目标泛函关于参数的海色算子简单表达式 .最后给出了一个算法及一简单的数值例子来验证这个算法 .

一种非递推线性系统辩识算法

提出了最小二乘类辨识算法的全信息阵，通过对全信息阵的处理可同时获得在不同模型阶次下的参数估计和目标函数值。

回归神经网络辩识电液伺服系统模型与仿真

建立了一种回归神经网络辩识非线性电液伺服控制系统数学模型的辩识方法,研究了基于回归神经网络内部状态反馈的辩识算法,利用辩识实验获得的过程输入/输出数据动态调整神经网络权值。仿真结果辨明:神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。

土壤小麦根系系统重金属迁移控制因子的辩识研究

相关与回归分析发现 ,大田条件下土壤理化性质与共存元素同小麦根系重金属含量间存在密切关系 ;多元与逐步回归数学模型均达显著水平 ,但逐步回归分析显示对重金属迁移起主导作用的不是所选全部控制因子。非必需元素 Cd、Pb主要取决于同种元素在土壤中的含量 ;而必需元素 Cu、Zn则受同种元素在土壤中含量的影响相对较小。控制因子的辨识 ,无疑有利于制定合理的土壤修复及环境管理方案。

基于多层前向神经网络辩识电液伺服系统模型

建立了一种辩识非线性电液伺服控制系统数学模型的辩识方法,研究了多层前向神经网络辩识非线性系统的辩识算法和结构,利用辩识实验获得的过程输入/输出数据动态调整神经网络权值。仿真结果辨明:神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。

基于输出累积量的 ARMA(AR)系统的一致性阶次递推辩识(英文)

本文提出了一种根据系统输出的观测数据对ARMA（AR）系统进行盲识别的新算法。该模型由独立同分布非高斯随机序列驱动，其输出序列中含方差未知的加性高斯噪声。通过求解基于三阶累积量谱的代价函数，该算法以模型阶次递推形式同时辩识ARMA的系统阶次和估计出系统参数。文章给出了该算法一致收敛性的证明，并对两类不同阶次的最小及非最小相位ARMA系统的AR参数及阶次辩识进行了数字仿真，结果令人满意。

适应型模糊神经网络在视觉辩识系统中的应用

本文构筑的适应型模糊神经网络模型实现了神经网络的学习训练能力、模糊逻辑系统的仿人推理功能以及匹配寻踪的适应性技术的结合。以其对具有不确定性特征的机器视觉目标图像进行辨识处理,取得良好效果。

链子崖危岩体变形破坏系统辨识

提出了变形破坏系统辨识方法。根据链子崖危岩体实际的工程地质状况、变形破坏特征，预测总结了８种可能的变形破坏方式及对应的位移关系式。据此设计了变形监测网。由监测结果反分析，并对照各种可能的变形破坏方式的位移关系式，可以识别今后实际发生的变形破坏的方式和过程。

盲系统辨识与故障诊断

盲系统辨识是一种仅由系统的输出中提取系统的未知信息的一种新的基本信号处理方法.论述了盲系统辨识的基本思想及其算法,将盲系统辨识思想引入到旋转机械状态监测与故障诊断中,提出了基于盲系统辨识的机械故障诊断的方法,并以转子裂纹为例,研究了基于时序模型盲辨识的不同的裂纹位置、深度的转子裂纹参数化双谱特性,得到了一些有价值的结论,为转子裂纹的诊断提供了一种新的方法.实验结果表明,该方法是有效的,基于时序模型盲辨识的参数化双谱分析具有对故障的灵敏性及能显示检测信号的一次、二次谐波等主谐波以及描述检测信号中二次相位耦合等非线性现象.

一种改进的遗传算法及其在系统辨识中的应用

提出一种基于遗传算法的大惯性系统辨识方法。该方法将动态补偿和遗传算法相结合 ,实现了系统的参数辨识。为避免遗传早熟而进入局部最优 ,对交换和变异操作进行了改进 ,提出一种防止近亲繁殖的交换策略 ,在不明显增加基因操作计算量的前提下 ,有效地避免了基因缺失。仿真结果表明 ,该方法对过阻尼系统的辨识是有效的。

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类，计算给定样本在各类中的隶属度，并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数，本文给出了详细的的算法。为了验证该方法的有效性，本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。

基于系统辨识的多层墙体z-传递函数计算方法

基于系统辨识理论提出了从墙体热传导的理论频率响应计算多层墙体z 传递函数的频域回归方法.首先,在所要关心的频率范围内计算出墙体热传导的理论频率响应;然后求解线性方程组得到墙体内外表面吸热及传热的简单的多项式s 传递函数,该多项式传递函数与双曲型s 传递函数在频率特性上是等价的;最后由多项式s 传递函数计算出墙体的z-传递函数.实例比较验证表明:该方法计算简单快捷,精度高.