基于状态空间和NR-LMS的结构参数辨识方法

提出一种基于系统状态空间模型和归一化鲁棒最小均方根(NR-LMS,Normalized Robust Least Mean Square)理论的动力学结构参数辨识方法.利用系统的输入-输出数据建立其Hankel-Toeplitz模型,利用NR-LMS算法得到该模型参数的估计并求得系统的Hankel矩阵,对Hankel矩阵进行奇异值分解即可确定系统的阶次,进而确定系统状态空间模型的参数.仿真研究和实验结果表明,此方法可以准确、快速地提取出结构的参数,且抗噪能力较强.

不对称品牌联盟对弱势品牌稀释研究:“攀龙附凤”还是“引火烧身”?

本研究借助最小均方联结模型来解释和分析不对称品牌联盟对弱势品牌的稀释作用。同时,利用实验证明了该种稀释作用的存在,而且可以利用业务多元化和品牌互补性来调节或减缓该负面作用。该研究对中国日益盛行的国内和国际品牌联盟提出警示即中国品牌与国际品牌的联合可能由"攀龙附凤"的惊喜落到"引火烧身"的恶果。

基于最小均方自适应滤波器的热工过程建模方法

针对热工对象的时变性特点及其在运行过程中易受到不确定性干扰的影响,提出一种基于最小均方(least mean square,LMS)自适应滤波器的热工过程建模方法。LMS滤波器以未知对象的输入和输出作为激励和期望信号,通过最速下降法得到未知对象的有限脉冲响应(finity impluse response,FIR)模型,其与差分方程或传递函数是等价的。实验仿真和某电厂实际运行数据验证了该算法的有效性。这种建模方法避免了复杂的机理分析,其抽头权值的分布可以表征热工对象的动态特性,为分析热工对象提供了一种手段。

气动加载系统的模糊自适应逆控制方法

气动加载系统具有时滞、时变及强非线性等特点,为了提高气动加载系统的控制精度,克服传统PI控制算法的不足,提出一种气动压力加载系统的模糊自适应逆控制方案。利用模糊辨识理论对气动加载系统进行离线逆建模,得到初始逆模型,并将该初始逆模型作为初始控制器,控制气动加载系统的输出压力,运行过程中采用最小方均根(Least mean square,LMS)滤波算法在线修正控制器的参数。基于VC++6.0软件开发平台设计系统实时控制程序,在一套电气比例压力阀控气动加载系统上进行试验研究。通过与PI控制算法、模糊比例积分微分(Proportion,integration,differentiation,PID)控制算法进行比较,结果表明设计的气动加载系统控制器控制精度高、响应速度快、抗扰能力强。

基于自适应逆控制方法的小型四旋翼无人直升机姿态控制

以上海交通大学工程训练中心运动控制实验室自行研制的小型四旋翼无人直升机为研究对象,搭建了姿态控制实验系统.根据牛顿-欧拉方程建立了小型四旋翼直升机的动力学模型,首次将自适应逆控制(AIC)方法运用于小型四旋翼直升机控制系统中,实现了小型四旋翼直升机的姿态稳定控制.仿真结果和实际飞行实验表明,AIC方法在小型四旋翼直升机姿态控制中具有很好的实时性和鲁棒性.

振动台功率谱复现算法

传统的振动控制技术将初始辨识的系统频率响应函数贯穿使用于振动控制的过程中;针对液压振动台系统的时变特性,提出使用基于最小均方误差(least mean square,简称LMS)的自适应算法在线辨识系统的频响函数。平滑周期图功率谱估计法相对现代谱估计法分辨率较低,提出自回归(auto-regressive,简称AR)模型法对振动系统响应信号进行功率谱估计,利用尤利-沃克(Yule-Walker)方程求解AR模型参数,并给出AR模型阶次确定的方法。利用自行开发的基于DSP和ARM多处理器信号处理系统对功率谱复现进行软硬件仿真。结果表明,此方法对振动台功率谱进行复现,复现精度优于传统功率谱复现算法。

基于LMS算法的数据采集系统动态传输特性研究

提出了一种基于最小均方(LMS)算法的数据采集系统动态传输特性获取方法。在建立数据采集系统FIR滤波器模型的基础上,以正弦信号为系统输入,以采集处理后的实验数据为系统输出,利用LMS算法反推系统的通道模型参数,计算系统对正弦信号的幅度衰减、相位延迟和噪声参杂3个动态传输特性;在方法研究的基础上,搭建了相关实验验证平台,分别进行了系统仿真和硬件验证实验。仿真实验中,3个动态传输特性的识别精度均在98%以上,证明了算法在理论上的可行性;硬件验证实验中,传输特性的平均识别精度均在96%以上,表明本文所提数据采集系统动态传输特性获取方法有效可行,且具有很好的数据动态传输特性识别精度。

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。

改进CMAC在森林火焰识别中的应用

由于传统火情识别存在的缺陷,提出一种基于双曲正割函数的变步长最小均方(LMS)算法的小脑模型神经网络(CMAC)森林火焰识别系统。通过分析火焰初期的一些静态和动态特性,对森林火焰进行初步识别。并在利用最优阈值搜寻法对图像进行分割处理的基础上,提取出相应的特征向量,作为改进CMAC的输入,利用神经网络进行森林火焰检测与识别。实验仿真表明,能对火焰进行准确、有效的判别。

一种新的语音噪声抵消算法

针对单参考输入自适应噪声抵消器在多噪声源情况下除噪声效果不理想的问题 ,根据多参考输入自适应噪声抵消器模型 ,在推导多参考输入最小均方 (ML MS)算法的基础上 ,给出其改进算法 (IML MS) .结合语音信号的特点 ,给出了多参考输入自适应语音消噪算法 (VML MS) .利用调整算法执行过程的算法改进思想 ,突破了传统的修正收敛系数的算法改进模式 .最后对几种算法的性能进行了计算机仿真比较 .

多参考输入自适应噪声抵消器的算法与实现

针对单参考输入自适应噪声抵消器在多噪声源情况下除噪效果不理想的问题 ,根据多参考输入自适应噪声抵消器模型 ,推导了多参考输入最小均方算法 ,并给出其改进算法。以语音信号为例 ,给出了多参考输入自适应语音消噪算法及多参考输入自适应语音噪声抵消器的实现方案 ,并进行了计算机仿真 ,给出了仿真结果。

基于终端移动状态的LGD触发算法

针对垂直切换中LMS预测LGD触发机制没有考虑终端移动状态的问题,提出基于终端移动状态的LGD触发算法,由终端移动模型推导出移动状态(速度和方向)与信号强度的关系,并将信号强度推导值与抽样值加权求和后采用LMS算法预测信号强度的变化趋势。仿真表明,改进后的LMS算法预测误差小,可以降低丢包率和空闲时间。