面向变形飞行器的时变气动参数在线辨识方法

针对变形飞行器快时变气动参数的在线高精度获取问题,本文提出一种基于BP神经网络模型的气动参数在线辨识方法。基于变形飞行器气动模型的非线性输入/输出映射关系,建立能够在一定精度范围内逼近变形飞行器气动模型的BP神经网络模型。根据在线实测动力学参数观测数据,采用扩展卡尔曼滤波方法在线训练神经网络,实时校正并获取神经网络模型参数,基于神经网络模型快速计算并预测气动参数,从而跟踪快时变、非线性气动模型的变化。通过对变形飞行器连续变形/构型突变的气动参数辨识进行数学仿真验证。结果表明:提出的方法收敛速度快、在线辨识精度较高,可以实现对变形飞行器气动参数的有效辨识。

基于LSSVM的MIMO系统快速在线辨识方法

针对时变非线性多输入多输出(MIMO)系统在线辨识较困难的问题,提出一种基于最小二乘支持向量机(LSSVM)的快速在线辨识方法。介绍了现有LSSVM增量式和在线式学习算法,并为它引入了一些加速实现策略,得到LSSVM快速在线式学习算法。将MIMO系统分解为多个多输入单输出(MISO)子系统,对每一个MISO利用一个LSSVM在线建模;这些LSSVM执行快速在线式学习算法。数字仿真显示该方法建模速度快,模型预测精度高。

面向直流电机模型时变参数的在线辨识方法

在直流电机建模优化问题的研究中,由于直流电机的时变参数随现场工况的变化而变化,导致采用离线辨识方法无法估计直流电机的系统模型,针对直流电机系统参数的时变性,提出一种直流电机时变参数的在线辨识策略。依据直流电机的电势平衡方程和转矩平衡方程,得到直流电机的传递函数,转化为电动机角速度和电压之间的差分方程,然后,采用递推最小二乘算法进行在线辨识,从而实现直流电机系统模型在线辨识的目的。搭建直流电机在线辨识系统实验平台,采用改变直流电机载荷的方式,进行了在线实时辨识的实验,实验结果表明:改进方法辨识效果良好,较好地实现了直流电机在参数时变的情况下,辨识效果良好,辨识模型较好地跟踪系统参数的变化。

随机时变参数动态矩阵控制算法及其在热水网温度控制中的应用

热水网加热器温度控制对象是一个典型的随机时变系统 ,为了考虑该过程的随机时变特性 ,提出了一种新的动态矩阵控制算法 ,基本思想是把动态矩阵控制的预测模型参数分解为固定部分和时变部分。固定部分通过在工作点附近进行多次现场试验并结合经验分析确定 ,而一定范围内的随机时变部分则通过在线辨识确定。这样获得的模型参数既有高的可靠性 。

基于次级通道在线辨识变步长主动隔振控制算法研究

针对主动隔振中次级通道存在的时变特性和传统在线辨识方法导致的主动隔振效果较差问题,提出了一种基于次级通道在线辨识的变步长主动隔振控制算法。通过附加高斯白噪声对次级通道实时建模,同时引入功率因子在设定范围内对主动控制迭代步长和白噪声功率进行调整,并搭建了单通道主动隔振实验平台,仿真和实验研究结果表明:所提算法降低了计算量,有效解除了主动控制和通道建模的耦合;可对具有时变特性的次级通道进行快速准确建模,提高了收敛速度和控制精度,对双频激励取得了显著的控制效果。

基于核参数分时段调节型LSSVM的在线过程辨识方法

利用最小二乘支持向量机(least square support vector machine,LSSVM)在线辨识时变非线性过程时,设定其核参数较困难,设定的核参数不能适应过程变化而进行自动调节。针对此问题,提出了一种基于核参数分时段调节型LSSVM的在线过程辨识方法。该方法利用了三个LSSVM,并将整个建模预测时期分为启动阶段和若干个工作周期。初始阶段末和每个工作周期末选定预测误差和最小的LSSVM,作为后续工作周期的工作LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为后续工作周期的比较LSSVM。该方法设定核参数相对容易,而且核参数具有一定的自动调节能力。数字仿真显示,从统计角度而言,所提方法比传统方法有更好的适应性。

时变系统参数在线辨识的方波函数法

针对结构系统连接处物理参数具有时变特性,本文提出一种用于结构连接处时变物理参数在线辨识方法。在工程中,结构连接处的响应往往是很难测量的,对于这种情况,本文提出了时域子结构法,直接利用工程中测得的时域响应信号计算结构连接处的响应。将系统方程利用方波脉冲函数展开后,根据方波脉冲函数的脱关性推导出结构连接处时变物理参数在线辨识的递推算法,仿真算例表明,此算法具有较高的计算精度与良好的跟踪效果。

带变遗忘因子的自适应子空间预测控制器设计

针对实际工业过程具有非线性、时变和多变量的特点,提出一种数据驱动的带有变遗忘因子的自适应子空间预测控制方法。该方法将在线子空间辨识与模型预测控制相结合,同时利用期望输出值与实际输出值的误差实现变遗忘因子的自适应更新,并根据当前变遗忘因子构造了过去与将来的Hankel矩阵,从而实现了预测模型的在线更新,提高了控制器对非线性时变特征的辨识灵敏度和适应能力。最后,利用该控制器对四容水箱对象进行仿真研究,验证了算法的有效性。

基于CZT的变时间窗时变参数在线辨识方法及应用

针对时变参数的在线辨识问题,提出了基于CZT的变时间窗时变参数在线辨识方法,通过滑动时间窗以及基于方差阈值的重启设计,提高了现有频域辨识方法对时变参数的辨识速度,并且有效避免了数值微分对噪声的放大问题。最后,基于飞机系统的执行机构故障,对该方法进行仿真验证,并与传统辨识方法进行对比,说明了该方法对时变参数有较强的辨识能力,验证了该方法的有效性。

结合离线知识的时变结构模态参数在线辨识

飞行器的结构模态参数在线获取对其高效、可靠运行具有重要意义。传统时变结构模态参数辨识方法存在辨识虚假结果较多,抵抗测量数据中的极端异常值能力差等问题,难以有效应用于在线过程。建立一种基于长短时记忆网络的时变结构模态参数在线辨识网络模型,通过数据集构建过程离线地引入先验信息,同时结合模型自身特性,有效提升制约在线辨识应用的可靠性。实验结果表明:在不同时变规律下,与传统辨识方法相比,在线辨识模型能有效缓解虚假结果问题,同时保证辨识结果的连续性;采用α稳定分布模型对脉冲噪声进行建模,验证了其在测量数据包含由于偶发因素产生的极端异常值时在线辨识鲁棒性。