一种新的T-S模型混合辨识算法

提出一种新型混合辨识算法HIA,以解决传统T-S模型辨识方法中所存在的不完全优化问题,如FCM与最小二乘法相结合的辨识方法就存在这样的问题.HIA通过将FCM、和声搜索算法以及最小二乘法相结合,并引入了误差反馈机制,以实现对所有参数的整体优化,并避免陷入局部极小点.论文将HIA应用到陀螺稳定平台的T-S模型辨识中,通过与传统辨识方法比较MSE值可以看出,HIA能够获得更高的辨识精度.这表明,对于实际的非线性系统,HIA能够有效解决传统辨识方法的不完全优化问题.

基于混合算法的空间机器人运动学参数辨识

外太空环境恶劣,空间遥操作机器人结构在太空环境作业时会产生形变,而且其加工生产也存在加工误差,空间遥机器人的形变引起DH参数的误差,为了完成空间机器人系统的地面仿真预测,并且确保空间遥操作机器人完成工作任务,必须根据遥测数据准确的辨识出空间机器人系统的运动学参数。提出了混合非线性参数辨识的LM(Levenberg-Marquarat)和递推最小二乘方法的混合辨识算法。最后,给出了方法的实例仿真,说明了辨识算法的稳定性,能够完成对空间遥操作机器人的运动学参数的辨识。

有理模型辨识的两类新方法—–混合迭代与柔性最小二乘法

针对有理模型提出两类辨识方法.首先提出基于递阶辨识思想的混合辨识方法,将模型分解为分子和分母两个子模型,分别用最小二乘法辨识分子参数,用粒子群算法和智能多步长梯度迭代算法辨识分母参数.由于降低了模型维数,且信息向量与噪声不相关,相对于传统的偏差补偿最小二乘算法,混合迭代法可以提高辨识精度并降低计算量.然后,为消除模型结构已知的假设,且充分利用最新数据更新系统参数,提出柔性递推最小二乘辨识方法,将有理模型转化为时变参数系统,进而辨识出时变系统的参数.仿真例子验证了所提出方法的有效性.