基于小波和非线性含输入自回归模型的系统辨识算法

提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法.该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程,消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入的严重失真,构成了一个通用、有效、不依赖于系统先验信息的非线性辨识框架.两则数据仿真表明,对于高度非线性系统,该算法可使系统估计的均方误差减少60%以上.

基于稀疏表示和外输入自回归模型的单次诱发电位提取方法

由于诱发电位信号的信噪比很小,因此诱发电位的单次提取一直是脑电信号处理领域的难题之一。稀疏表示在信号去噪方面是一个强大的工具,并且诱发电位已被证明在合适的稀疏字典上具有很强的稀疏性。本文提出了一种基于稀疏表示和外输入自回归模型的单次诱发电位提取算法。其中,诱发脑电信号提取的过程分为三个阶段。首先,该算法应用参考信号估计自发脑电的自回归模型参数;其次,在自回归移动平均模型中,应用稀疏表示替代移动平均模型对诱发电位进行建模;最后,利用稀疏系数和自回归模型参数重构诱发电位。通过仿真脑电信号和真实诱发电位信号进行实验验证,结果表明该算法具有较好的效果,与MOSCA和ARX方法相比,本文算法能够在低信噪比情况下进行潜伏期和幅度的估计。

含外部输入的非线性自回归模型及其在实时混合模拟中的应用

传统实时混合模拟对数值子结构多采用有限元计算,对于较复杂或自由度较多的结构,容易导致计算机在指定积分步长内无法完成结构下一步响应的计算。为了提高计算效率,该文提出一种基于代理模型的实时混合模拟方法,采用含外部输入的非线性自回归模型代替有限元计算。以非线性数值子结构和自复位阻尼器试验子结构组成的单自由度体系为对象,使用数值模拟的数据来训练代理模型,并对该模型进行实时混合模拟试验验证。试验结果表明,基于代理模型的实时混合模拟与传统实时混合模拟结果十分接近,具有替代后者的潜力。

热电偶动态响应的带外部输入自回归模型

热电偶测量动态温度受到热电偶自身动态特性的制约和影响。为了评价热电偶的动态特性,建立了一种双气流环境下的热电偶动态响应实验系统,测量热电偶在两种不同温度气流交替激励下的响应。由于激励温度本身也存在测量误差,当用回归方法分析热电偶响应过程时,响应过程构成了一种变量带误差问题。为了获得热电偶动态响应的无偏估计,建立了热电偶动态响应的状态空间方程,用随机扰动与确定性模型结合的方式描述热电偶动态响应过程,采用一种带外部输入自回归模型对响应过程进行辨识。以一种工业中常用的露端式镍铬镍硅热电偶为对象,给出了一个算例。实验和计算结果表明,带外部输入自回归模型适用于双气流环境下热电偶动态响应能力的评价。

基于二维区间自回归模型的烧结终点预测

炼铁烧结生产过程中,烧结终点位置难以确定,建立二维区间自回归模型对烧结终点进行预测。在阐述模型原理的基础上,设计基于运动模式的二维区间自回归预测建模流程,包括构建自回归预测模型得到计算空间的模式类别变量,利用K近邻算法分类得到模式运动空间中的模式类别变量。采用实际烧结终点废气温度数据验证模型,包括采用主成分分析法对多个废气温度时间序列得到进行降维并形成二维数据空间;利用四叉树粒子群优化算法划分废气温度时间序列二维模式运动空间;引入二维区间数来度量模式类别变量;建立二维带输入的区间自回归模型(IARX)实现炼铁烧结终点预测。结果表明,与传统的一维区间自回归模型相比,所建模型预测准确度更高。

压气机叶栅非定常线性自回归气动降阶模型研究

为满足叶轮机械领域高效非定常气动计算的迫切需求,采用线性带外输入的自回归(ARX)理论建立了高亚声速压气机叶栅非定常气动性能降阶模型。该降阶模型构造简单,建立较为容易。通过逐渐增加输入/输出延迟阶数,可以获得较高精度的模型超参数。研究结果表明:降阶模型对线性非定常系统的气动参数响应具有较好的预测精度,但在部分无量纲总压一阶幅值比以及无量纲静压一阶相位角存在一定预测误差。非定常系统线性工况下,同一折合频率的气动参数的一阶幅值比和相位角基本不随攻角幅值的增加而变化。通过与具有泛化能力的非线性降阶模型比较,基于线性假设发展的ARX模型能获得更高精度的气动参数响应。

具有随机化输入的贝叶斯概率模型

针对概率线性回归模型存在采用单层结构的表示能力有限、训练过程中容易存在过拟合问题,提出具有随机化输入的贝叶斯概率模型.通过对模型增加随机化输入层,对输入数据进行随机化处理,将单层线性处理模型转化为两层非线性模型以增强模型表示能力;同时对模型参数加入高斯先验概率分布以提高模型的泛化能力.理论分析和实验结果表明,具有随机化输入的贝叶斯概率模型具有较优的分类性能和较好的泛化能力.

基于线性相关分析的周期自回归短期负荷预测

对配电系统短期负荷预测的周期自回归模型和配电负荷的周期性进行了研究。采用相关分析法对配电负荷的周期特性作了深入地分析,研究结果表明配电负荷的日周期性比周周期性更明显;基于配电负荷的时刻相关性分析,挑选出对预测结果起决定性作用的特征输入量,据此提出了改进的配电负荷日周期PAR预测模型。实例研究表明,该模型较常规PAR预测模型的预测速度更快、精度更高。

参数模型化方法提取40Hz听觉稳态诱发响应用于麻醉深度监测

实时、有效地监测麻醉深度在临床手术中具有重要的意义,由于当今全身麻醉普遍使用肌松药,作为判断麻醉深度最主要的呼吸和体动两项指标已失去意义,从而使麻醉深度的判断愈加困难。近年来有研究表明40Hz听觉稳态诱发响应(ASSR)具有良好的麻醉深度监护特性。本文基于参数模型化方法来提取40HzASSR,相对于常规叠加平均方法来说,反应速度较快,能够迅速地跟踪病人从清醒到无意识的转变过程。

动力调谐陀螺仪模型快速开环辨识

为了实现对动力调谐陀螺仪闭环测量系统的快速设计,建立了参数模型辨识系统,对激励信号设计、模型类结构选择、参数估计算法等问题进行研究.首先依据惯性元件的特点,设计了适宜于动力调谐陀螺仪测试的多正弦激励信号,然后基于外加输入自回归(ARX)模型,采用预报误差法辨识得到模型参数,最后针对某型号动力调谐陀螺仪设计实验进行验证,并与传统扫频法建模得到的结果进行对比.结果表明:模型辨识时间由2 000,s缩短为20,s,辨识拟合度由92.5%提高到95.3%.与传统扫频法相比,通过多正弦激励、ARX模型和预报误差法进行陀螺模型辨识可得到更高的辨识精度、抗噪声能力和辨识效率,为快速设计闭环系统提供了可靠的依据.

基于ARX模型的变风量空调系统故障诊断

采用现代控制理论的系统辨识方法 ,探索“黑盒”模型在暖通空调系统故障检测与诊断中的应用 .在研究中 ,应用了多输入 /单输出自回归 (ARX)模型进行变风量系统的故障检测 ,把ARX模型用于不同的系统和子系统 ,建立了系统模型和部件模型 。

人工胰脏中数据驱动个体血糖代谢模型的辨识

数据驱动时间序列模型是人工胰脏系统中最常用的一类血糖预测模型,但其血糖预测精度受到进食不确定性和胰岛素敏感性波动等实际因素的影响。本文从真实血糖测量数据入手,提出基于卡尔曼滤波参数估计的带输入误差滑动平均模型的辨识方法,将辨识结果与最小二乘法辨识结果进行对比。结果表明,本文提出的辨识方法具有辨识精度高(FIT:90.05±3.12%v.s.54.41±9.56%)、能有效抵消实际因素的影响、对不同特征的个体能获得稳定的辨识结果等优势。

中国当前是输入型通胀吗?——基于汇率传递的视角

从汇率传递的视角分析了通胀环境对进口价格水平的汇率传递机制,并利用平滑转换回归(STR)模型实证分析了中国进口价格水平的汇率传递效应。研究结果表明:通胀较低时,进口价格水平的汇率传递效应较低,通胀较高时,进口价格的汇率传递效应较高;汇率传递随着通胀环境的变化而平滑转变,人民币汇率对进口价格的传递弹性的非线性结构转变的门限值(三期滑动平均值)为0.001 97;当前通胀水平月度增幅普遍超过临界值并导致进口价格水平的汇率传递效应较高。因此反通胀要特别重视进口价格水平的汇率传递效应所导致的进口价格水平的提高所引发的输入型通胀。

ARX模型在除湿机故障诊断中的应用

冷冻式除湿机系统具有非线性和强耦合的特点,难以通过建立精确数学模型的方法对其进行故障诊断。基于此,研究引入了一种ARX黑箱模型方法,该方法利用系统输入输出数据通过辨识的方法确定模型结构和参数,然后通过比较模型预测输出值和实测值之间的差异来对故障进行诊断。由于ARX模型的建立不需要知道系统内部复杂的物理机理,因此建模相对简单。在具体应用中,建立了系统级和部件级两个层次的ARX模型,先用系统模型监测出故障,再利用部件模型对故障进行定位。诊断实例表明数据仿真结果与实际工况相吻合,由此说明该方法应用于除湿机故障诊断是可行的。

基于Nonnegative Garrote的ARX和ARMA模型定阶方法

针对传统ARX和ARMA模型定阶方法计算量大和稳定性不强的缺点,提出采用非负绞杀法对ARX和ARMA模型进行定阶。通过分析ARX和ARMA模型的特点,对常规非负绞杀方法进行了改进,使其更适用于动态系统辨识问题,进而给出了相应的求解算法。仿真实验的结果表明了该方法的有效性,且在稳定性上优于传统的信息量准则法。

中国当前通货膨胀成因的模型分析

本文研究了我国当前这轮通货膨胀的主要特点,在此基础上,选取中国2003—2009年相关统计数据,通过建立静态回归模型、向量自回归模型(VAR)以及方差分析深入探讨了通货膨胀与各影响因素之间的关系。实证分析表明,国际原油、粮食及金属类等初级产品价格大幅上涨、人民币汇率的大幅升值、外汇储备的增加以及低利率导致的国内投资的放大是此轮通货膨胀的成因。

多层递阶预测模型的注记

一般的定量预测方法因用固定参数模型预测一个时变参数系统的情况而致存在一定的局限性.为了弥 补这缺陷,对多层递阶预测模型作些注记.

一种变步长CMAC的沉降NARMAX模型

为了提高氧化铝生产质量和降低能耗,分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用小脑模型神经网络(CMAC)系统辨识的方法建立沉降系统的带外部输入的自回归滑移模型(ARMAX)。针对CMAC收敛性存在的问题,提出了基于变步长小脑模型神经网络(CMAC)算法,通过双曲正割函数优化学习步长,提高了小脑模型神经网络算法的收敛速度和计算精度,进而优化了沉降槽密度ARMAX模型。仿真实验表明,该算法的ARMAX模型可以对沉降过程中的槽内密度进行准确识别,指导氧化铝的沉降生产操作。

基于LS-SVM ARX模型的除湿机故障诊断

针对非线性系统故障诊断问题相对复杂的情况,以除湿机作为研究对象,应用ARX模型进行了研究。引入LS-SVM优化算法对ARX模型进行了改进,克服了传统SVM算法的不足。结合实验采集到的实际数据样本,对模型进行了训练。结果表明,改进的算法具有较低的运算复杂度和较快的学习训练速度,对于新的样本输入能够正确分析诊断。由此说明,将LS-SVM ARX模型应用于故障诊断是可行的。