稳态估计与动态辨识相结合的辨识非线性系统的新方法(英)

本文针对Hammerstein系统，提出了一种辨识非线性增益和脉冲响应的新方法，该方法同时利用稳态和动态两种信息，所得到的估计是强一致性的．并且还研究了非线性增益估计误差的渐近分布和收敛速度．仿真结果说明了该方法的有效性和实用性．

广义离散线性随机系统的稳态Kalman估计

用现代时间序列分析方法 ,基于ARMA新息模型和白嗓声估值器 ,提出了广义离散随机线性系统的一种稳态Kalman估值器 ,可统一处理滤波 ,平滑和预报问题 ,可处理带相关嗓声系统 。

Hammerstein模型的稳态辨识方法——MIMO情形

本文针对用Hammerstein模型描述的一类MIMO非线性系统 ,提出了一种稳态参数估计的辨识方法。此方法具有在稳态状态下取值 ,参数辨识简单、精确等优点。数字仿真结果说明了该方法的有效性和实用性。

机器人角速度两种软测量方法的PD控制对比

对比分析了用LPP差分方法和高增益观测器方法估计机器人角速度的有效性,并用这两种角速度估计方法分别形成了机器人两种不同的PD输出反馈控制器·在机器人仿真实验中,对这两种方法产生的动态和稳态估计误差以及闭环系统的动态和稳态跟踪误差进行了对比分析·从这两种方法产生的估计误差及闭环系统跟踪误差的对比结果表明,当角位置测量精确度较高时,利用差分方法估计机器人角速度较理想,而较低时采用观测器方法估计机器人角速度较理想·

具有数据包丢失的离散随机不确定系统的线性最优满阶估值器

研究了具有数据包丢失和随机不确定性离散随机线性系统的状态估计问题.其中数据包丢失是随机的,且满足Bernoulli分布,系统矩阵中的随机不确定性由一个白色乘性噪声来描述.首先,通过配方方法,提出了最小均方意义下的无偏最优线性递推满阶滤波器.所提出的滤波器用到了当前时刻和最近时刻接收到的观测来保证线性最优性.与多项式滤波和增广滤波器相比,本文的滤波器具有较小的计算负担.然后,基于所获得的线性滤波器推导了线性最优预报器和平滑器.进一步研究了线性最优估值器的渐近稳定性,给出了稳态特性存在的一个充分条件.最后,通过两个仿真例子验证了所提估计算法的优越性.