滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(7):类多变量方程误差ARMA系统的滤波递阶广义增广参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广梯度辨识方法、滤波递阶多新息递推广义增广梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(8):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用辅助模型辨识思想,滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶递推广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(9):多变量CARARMA系统的滤波递阶广义增广参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广递推梯度辨识方法、滤波递阶多新息广义增广递推梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

有效克服静差的滤波辨识预测式模糊控制器

针对模糊控制对时滞系统控制效果不好和存在静差的缺陷 ,本文提出了滤波辨识预测式模糊控制器 ,利用滤波在线辨识时滞 ,利用预测克服时滞对模糊控制静差的影响 。

滤波辨识(12):多变量OEARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对多变量输出误差自回归滑动平均(M-OEARMA)系统,即多变量Box-Jenkins系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶递推广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波辅助模型递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

模型参考自适应IIR递归滤波器辨识新算法

针对自适应IIR滤波器算法容易陷入局部极小点的缺陷,提出了一种新的自适应递归滤波辨识算法。该算法采用模型参考自适应系统设计了辨识参数自适应律,基于Lyapunov理论保证了自适应递归算法的稳定性,而且辨识参数收敛。仿真结果表明了该算法的可行性和滤波器结构的正确性。

基于O3KID-DMD方法的机电振荡参数在线辨识

提出一种基于完全数据驱动的卡尔曼滤波辨识的动态模式分解(Output-only Observer/Kalman Filter Identification Based Dynamic Mode Decomposition, O3KID-DMD)的电力系统机电振荡参数在线辨识方法。所提O3KID-DMD方法首先利用完全数据驱动的卡尔曼滤波辨识技术从随机响应信号中提取系统脉冲响应,然后引入动态模式分解方法从获得的脉冲响应信号中辨识系统的振荡频率、阻尼比、模态振型和参与因子,实现基于随机响应数据的电力系统机电振荡参数辨识。IEEE 16机68节点系统仿真结果和实测数据分析验证了所提方法的可行性和有效性。文中所提方法为电力系统机电振荡特征参数在线辨识提供了一种切实可行的新途径。

基于MATLAB的卡尔曼滤波法参数辨识与仿真

本文介绍了基于MATLAB的使用卡尔曼滤波法进行参数辨识的设计与仿真方法。简述了参数辨识的概念和卡尔曼滤波法应用于参数辨识的基本原理,结合实例与最小二乘法进行比较,给出了相应的仿真结果和分析。

推力矢量飞机鲁棒故障检测与辨识和指令滤波容错控制系统设计

针对推力矢量飞机(TVA)在超机动飞行中的舵面故障、执行器故障、参数摄动和外界干扰等问题,提出了一种鲁棒故障检测与辨识和指令滤波容错控制(RFDI–CFFTC)系统设计方法.首先针对TVA故障模型提出了一种基于多观测器的RFDI机制,通过引入自适应律和观测器来补偿参数摄动和外界干扰的影响,实现对舵面故障和执行器故障的准确检测与辨识,同时准确估计故障程度;然后在RFDI的基础上,设计了CFFTC容错控制律,实现包容舵面故障、执行器故障、参数摄动和外界干扰的TVA容错控制,同时改善了传统反步法中的“微分爆炸”问题;最后对RFDI–CFFTC系统的稳定性进行了证明.MATLAB/Simulink仿真验证了本文方法的有效性.

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。

辅助模型辨识方法(5):最小二乘辨识

借助于辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究了辅助模型最小二乘辨识方法、辅助模型多新息最小二乘辨识方法、变递推间隔辅助模型最小二乘辨识方法、变递推间隔辅助模型多新息最小二乘辨识方法、等递推间隔辅助模型多新息最小二乘辨识方法,以及有限数据窗最小二乘辨识方法,包括引入加权因子(加权矩阵)、遗忘因子得到的一些相应辨识方法.

辅助模型辨识方法(4):基本思想与梯度辨识

辅助模型辨识思想是针对系统存在一些不可测变量的辨识问题提出的,它是研究含有未知变量的线性系统、非线性系统辨识的重要手段.本文阐述了辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究辅助模型梯度辨识方法、辅助模型多新息梯度辨识方法、变递推间隔辅助模型多新息梯度辨识方法,以及派生的变递推间隔辅助模型梯度辨识方法、等递推间隔辅助模型梯度辨识方法和等递推间隔辅助模型多新息梯度辨识方法.

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。

辅助模型辨识方法(6):性能分析

辨识方法的性能分析是系统辨识领域的重要而困难的研究课题.新的辨识方法一诞生,就伴随着收敛性分析.辅助模型辨识是辨识的一个分支,辅助模型辨识方法已成为一大类辨识方法族,关于其收敛性也提出了许多课题.本文研究了输出误差系统辅助模型随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息随机梯度算法、变间隔辅助模型随机梯度算法和变间隔辅助模型递推最小二乘算法的一致收敛性,近似分析了Box-Jenkins系统辅助模型递推广义增广最小二乘算法的性能.

基于OKID方法的多变量时滞过程解耦控制

实际工业生产中存在着大量多变量时滞过程,由于此类系统输入输出变量间的耦合及时滞因子的影响,使得针对这类系统的控制效果往往达不到令人满意的效果。本文利用解耦控制器,首先对多变量时滞过程的输入输出进行解耦;由于解耦得到的子系统模型非常复杂,因此对解耦后的复杂系统模型提取公共时滞因子,然后用观测器/卡尔曼滤波器辨识(OKID)算法对解耦后的系统进行模型精简,基于该简化模型使用极点配置方法设计离散时间PID控制律,实现解耦系统对定值信号的跟踪控制。通过对一个化工过程系统进行仿真研究,证明了所提方法的有效性。