基于卡尔曼滤波的混沌系统辨识

通过建立一种对混沌时间序列进行有效预测的方法构架,试图实现尽可能长期的混沌预测,并重构序列的主动态方程,以便于进一步的分析研究.根据非线性系统的一般框架,首先基于所观测时间序列的基本混沌特性寻找一典型混沌方程作为参考的系统动态方程;然后利用扩展卡尔曼滤波递推得到一动态方程式来逼近系统特性,重构混沌相空间吸引子.仿真结果表明,该方法可以实现较高精度的多步预测并有效地重构系统方程.

固定翼飞机动力学模型的子空间辨识方法

针对子空间模型辨识(SMI)方法这类线性模型辨识技术存在的建模误差,提出一种两阶段固定翼飞机飞行动力学模型辨识方法.首先采用基于辅助变量的闭环SMI方法辨识飞机的近似线性模型;然后,利用该模型构建扩张状态观测器,从而估计出系统中的非线性动态数据;在此基础上,进一步采用神经网络建立系统非线性动态的分散式模型.最后,利用B747飞机6自由度非线性模型进行系统辨识实验,所得结果验证了该方法的有效性.

随机鼠疫病模型的核范数子空间辨识

基于连续鼠疫病模型,通过零阶保持器得到相应的离散模型.由于随机扰动的存在,提出相应的随机鼠疫病模型.设计卡尔曼滤波器,估计随机模型的状态变量以及降低噪声影响.采用核范数最小化方法代替奇异值分解,得到输入输出投影矩阵的低秩矩阵逼近.通过交替方向乘子法求解此优化问题,得到输出变量的最优解.根据世界卫生组织的非洲人类鼠疫病数据,利用本文提出的方法得到随机鼠疫病模型.仿真研究表明提出方法的有效性和精确性.

基于SOKID的无人动力伞模型辨识

对具有独特飞行特性的无人动力伞(Unmanned Powered Parafoil,UPP)进行了研究,建立了无人动力伞九自由度非线性动力学方程,研究了观测器/卡尔曼滤波辨识算法和改进的子空间观测器/卡尔曼滤波辨识算法。根据系统的飞行数据,辨识得到系统的纵向状态空间模型,分析了两种辨识模型的俯仰角响应特性和辨识精度。仿真结果表明子空间观测器/卡尔曼滤波辨识算法的一致和有效估计,能有效辨识无人动力伞的纵向动态模型。

无人动力伞9自由度建模及模型辨识研究

对具有独特飞行特性的无人动力伞进行了研究,建立了无人动力伞9自由度非线性动力学模型。针对无人动力伞飞行特性具有的不确定性、非线性和复杂性特点,研究了基于观测器/卡尔曼滤波辨识算法和直接状态空间模型辨识算法。根据系统的飞行数据,辨识得到系统的纵向状态空间模型,分析了2种算法的辨识速度和辨识精度。辨识模型的仿真结果表明了辨识算法的可行性和有效性。

基于N4SID子空间辨识的线性自抗扰控制器

为了改善扩张状态观测器(ESO)的估计效果及解决自抗扰控制中b_0参数的整定问题,提出了一种基于N4SID(numerical algorithms for subspace state space system identification)的线性自抗扰控制策略.使用N4SID子空间辨识方法对系统模型的未知参数及线性自抗扰控制(LADRC)中的b_0参数进行辨识,减少被控系统的不确定因素,从而提高了扩张状态观测器对系统广义扰动的估计能力.仿真结果表明,该方法有效地改善了LADRC的控制效果,提高了扩张状态观测器的估计能力.