一类非均匀采样系统最小二乘迭代辨识

阐述了非均匀多率采样方案,利用提升技术推导出非均匀多率采样系统的提升状态空间模型,进一步获得了对应的输入输出表达。针对辨识模型信息向量中存在未知中间变量的困难,基于交互估计理论与迭代搜索原理,提出了非均匀多率系统的最小二乘迭代辨识方法。最后进了仿真比较研究,以说明提出算法的优点。

基于Vinnicombe距离的迭代辨识与控制设计

迭代辨识与控制设计的主要问题在于保证控制设计的稳定性和闭环性能的不断改善.针对该问题,本文提出一种基于Vinnicombe距离的迭代辨识与控制设计方法.每次迭代辨识使用上次设计的控制器,通过闭环辨识得到包含真实系统的不确定模型集合,设计镇定这个集合的控制器;同时提出迭代辨识过程闭环性能改善条件,以及控制器的设计方法.仿真结果显示了该方法的有效性.

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。

利用傅里叶谐波分析法的时序数据周期迭代辨识算法

针对现有的时序数据其周期辨识算法存在着辨识精度低及计算成本高的问题,在傅里叶谐波分析法的基础上,提出了一种具有基频迭代机制的周期辨识算法。首先,利用方差分析法从原始序列中析出其周期长度的整型估算值;然后,以任意小的频率间隔在估算值区间内进行傅里叶谐波的迭代拟合;最后,基于最小拟合残差和的准则来确定最优的周期成分。实验表明,该算法不仅具有良好的计算效能,而且还能精确地辨识出与序列样本长度无关的周期成分。

基于Box-Jenkins模型的迭代辨识与控制器设计方法研究

针对存在有色噪声干扰的Box-Jenkins系统,采用数学优化的方法,提出了该模型的新型迭代辨识方法。与递推广义增广最小二乘算法相比,论文提出的迭代算法反复利用了系统的所有可测数据信息,因而具有更高的参数估计精度和更快的收敛速度。最后分析了Box-Jenkins模型的低阶迭代控制器设计步骤及方法,通过仿真说明该迭代算法的有效性。

有色噪声系统的迭代辨识与递推辨识方法仿真比较研究

针对ARARX模型(即动态调节模型),提出了分别辨识系统模型参数向量和噪声模型参数向量的新型最小二乘迭代辨识方法。其基本思想是:通过极小化一个信息矩阵中含噪声项的准则函数,导出两个参数向量的最小二乘估计式,进一步将估计式中信息矩阵所含的未知噪声项用其迭代估计代替,而其迭代估计又用前一次迭代的参数估计进行计算。在每步迭代计算中,二者执行了一个递阶计算过程。与滤波式递推广义最小二乘算法相比,提出的迭代算法也可用于在线辨识,而且在每一步迭代计算中,反复利用了系统可测数据信息,因而能够获得高精度参数估计。仿真例子证实了理论研究结果。

动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。

双输入多率输出误差系统最小二乘迭代辨识

以双输入多率采样系统为例,推导出双输入采样周期不等的多率输出误差系统的离散时间状态空间模型,进而得出对应的传递函数模型。论文提出了这类双输入多率采样数据系统的最小二乘迭代辨识算法,仿真例子说明了提出算法的有效性。

多变量系统的递阶梯度迭代辨识方法

根据递阶辨识原理,推导出滑动平均噪声干扰多变量系统的递阶梯度迭代辨识方法,仿真例子说明提出算法是有效性的。

滑动平均噪声干扰双输入多率系统最小二乘迭代辨识

研究了滑动平均噪声干扰的双输入多率系统最小二乘迭代辨识算法.首先推导出2个输入通道采样周期不相等的多率系统的离散时间状态空间模型,得出对应的传递函数模型.针对辨识模型信息向量中存在不可测噪声项的困难,利用最小二乘迭代原理,将未知噪声变量用其迭代估计值来代替,提出了这类双输入多率采样数据系统的最小二乘迭代辨识算法.最后通过仿真例子比较了最小二乘迭代辨识算法与递推增广最小二乘算法的辨识效果,说明了所提出算法的参数估计精度较高.

基于Logistic函数的机器人动力学参数迭代辨识

机器人的动力学参数辨识是基于动力学模型的控制器设计的基础。目前,求解角速度和角加速度的主要方法是对位置序列进行平滑和滤波,然后形成差分信号。但是,如果噪声和原始信号在频域重叠,过滤噪声也会滤除同频带内有价值的信息。本文提出了一种基于Logistic函数的激励轨迹,它充分利用了原始信号中的信息,可以精确地求解角速度和角加速度,而无须对位置序列进行平滑和滤波。该激励轨迹的关节角度与关节角速度、关节角加速度一一映射,可以直接根据位置求得关节角速度和关节角加速度。采用遗传算法优化激励轨迹参数,使观测矩阵的条件数最小,进一步提高辨识精度。采用迭代辨识的策略,每次迭代依据上一次的位置序列,将辨识出的动力学参数代入机器人控制器中,直至跟踪轨迹逼近期望轨迹,实际关节角速度、关节角加速度均收敛于期望值。仿真结果表明,采用分步策略,跟踪轨迹的关节角速度和关节角加速度在3次迭代中快速收敛到期望值,惯性参数辨识误差小于0.01。随着迭代次数的增加,惯性参数的辨识误差可以进一步减小。

考虑时滞因素的电力系统迭代辨识广域阻尼控制算法收敛性研究

电力系统控制算法收敛性分析是衡量电力系统控制性能好坏的重要方法,算法收敛性决定了算法实现的可行性。迭代辨识算法是现代电力系统阻尼控制的一种重要控制方法,本文针对提出的一种考虑时滞的迭代辨识广域阻尼控制器算法,首先简述了该迭代辨识广域阻尼控制算法的基本步骤;其次把电力系统迭代辨识算法等效成分割系统,通过证明分割系统的稳定性间接证明了该算法的收敛性;然后又采用Q因子法分析了该算法的收敛速度;最后与其它方法在收敛速度上进行了对比,并分析了Vinnicombe的动态变化过程。仿真结果表明,本文提出的迭代辨识算法能在10秒内有效收敛,收敛速度较快。

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(6):输出误差自回归滑动平均系统的滤波辅助模型广义增广迭代参数估计

输出误差自回归滑动平均模型也称为Box-Jenkins模型。针对Box-Jenkins系统,基于滤波辨识理念,研究和提出了滤波辅助模型广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广投影迭代辨识方法、滤波辅助模型广义增广最小二乘迭代辨识方法、滤波辅助模型多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型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(4):方程误差自回归系统的滤波广义迭代参数估计

受控自回归自回归模型也称为方程误差自回归模型。利用采集的批量数据和迭代搜索,论文基于滤波辨识理念,研究和提出了方程误差自回归系统的滤波广义梯度迭代辨识方法、滤波多新息广义梯度迭代辨识方法、滤波广义最小二乘迭代辨识方法、滤波多新息广义最小二乘迭代辨识方法。这些滤波广义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。

超声波电机转速控制模型的迭代学习辨识建模

超声波电机的转速控制模型是其运动控制研究的基础。为研究以驱动频率为调节变量的超声波电机转速控制模型,根据超声波电机驱动频率与转速之间关系特性的实测数据,建立超声波电机转速控制的二阶线性时不变模型。给出迭代学习辨识策略对电机转速控制模型的参数进行辨识。针对超声波电机的每组实测数据中数据量不同导致的参数收敛性减弱的情况,通过双范数最优理论来设计迭代学习辨识的参数学习律。将迭代学习辨识所得结果与Hammerstein模型比较。仿真和实验结果表明,二阶线性时不变模型下的迭代学习辨识可以有效地辨识超声波电机的模型参数,参数收敛速度快、收敛性较好,所建模型精度较高,建模方法有效。

传递函数辨识(13):频率响应迭代参数估计(并联情形)

针对不同惯性环节并联而成的系统,基于系统的实频特性和虚频特性数据,利用梯度搜索、牛顿搜索,以及多新息辨识理论和耦合辨识概念,分别研究了实频特性、虚频特性、实频虚频联合、实频虚频耦合的梯度迭代算法、多新息梯度迭代算法、牛顿迭代算法和多新息牛顿迭代算法等.文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭零点极点、重零点极点传递函数的参数辨识以及任意非线性函数的参数估计.

传递函数辨识(14):频率响应迭代参数估计(串联情形)

针对不同一阶环节串联而成的系统,基于系统的幅频特性和相频特性观测数据,分别研究了幅频特性、相频特性、幅频相频联合、幅频相频耦合的梯度迭代算法、多新息梯度迭代算法、牛顿迭代算法和多新息牛顿迭代算法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭零点极点、重零点极点传递函数的参数辨识以及任意非线性函数的参数估计。

传递函数辨识(10):基于频率响应的迭代参数估计方法

利用系统的频率特性观测数据,研究和提出一般传递函数参数的迭代辨识方法,包括梯度迭代辨识方法、多新息梯度迭代辨识方法、最小二乘(迭代)辨识方法、多新息最小二乘(迭代)辨识方法,以及联合迭代辨识方法和耦合迭代辨识方法。文中的方法对一般线性时不变系统传递函数参数辨识是有效的,对共轭极点、重极点等没有限制。

传递函数辨识(24):线性回归系统的变间隔递阶迭代参数估计

变间隔辨识概念是处理损失数据系统和稀少量测数据系统辨识的一种有效方法。利用变间隔辨识概念和递阶辨识原理,研究了线性回归系统的变间隔递阶梯度迭代辨识方法、变间隔递阶多新息梯度迭代辨识方法、变间隔递阶最小二乘迭代辨识方法、变间隔递阶多新息最小二乘迭代辨识方法等。这些变间隔递阶迭代辨识方法可以推广到其他有色噪声下的线性和非线性随机系统中。