挖掘臂电液伺服系统非线性辨识

针对机理建模存在未建模动态及其参数辨识难的问题,采用由分段非线性模块、线性时不变动态模块及间隙非线性模块串联组成的Pseudo-Hammerstein-Wiener模型来描述挖掘臂电液伺服系统。利用关键变量分离原理将系统模型化解为最小二乘格式,再采用带中间变量估计的改进递推最小二乘算法进行辨识。实验表明,辨识所得Pseudo-Hammerstein-Wiener模型能很好地逼近实际系统,误差比Hammerstein及线性模型分别减少29%及68%。

基于平衡学习的CMAC神经网络非线性辨识算法

为提高小脑模型关节控制器(CMAC)神经网络在线学习的快速性和准确性,提出一种平衡学习的概念,并设计一种改进的CMAC学习算法.在常规的CMAC中,误差的校正值被平均地分配给所有激活存储单元,而不管这些存储单元的可信度;在改进的CMAC中,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的负k次方成比例.仿真结果表明,当k为一适当数值时,改进CMAC具有较快的学习速度和较高的精度,特别是在神经网络的初始学习阶段.

激光焊接系统的非线性辨识和自适应控制

激光焊接涉及到复杂的物理和化学变化,是一个典型的非线性系统,用机理建模法很难得到系统的数学模型,通常采用基于输入输出数据的系统辨识方法来建模;为了得到未知参数的无偏估计,采用相关最小二乘法进行辨识建立激光焊接系统的双线性模型,并通过比较实际焊接系统的阶跃响应和模型的阶跃响应验证了模型的准确性和有效性;在此基础上,采用反馈线性化方法,对激光焊接系统设计了最小方差自适应控制器;仿真结果表明了该非线性自适应控制方法的有效性。

基于人工神经网络的传感器非线性辨识研究

介绍了用人工神经网络分析传感器及其适用环境的非线性因素的原理和方法, 提出了基于改进BP网络的传感器非线性辨识的算法、模型、方案与实现技术。对电容传感器进行了实验, 通过计算机仿真与应用, 证明传感器性能得以提高, 同时具有很强的环境适应能力和抗干扰性。

非线性辨识、控制与混沌(英文)

综述了非线性辨识、控制的基本方法和非线性混沌特性,并以交流电机为例讨论了处理一类非线性问题的途径,最后阐明了非线性发展方向的观点.

交流电动机非线性辨识及其智能化控制

针对交流电动机的非线性特性，提出了一种适应于动态非线性的辨识办法。在辨识基础上对交流电动机实现了智能化实时控制。这种新方法比ＰＩＤ有更好的自适应性和抗扰性。

基于RELS方法的激光焊接过程非线性辨识

激光焊接过程是一个很复杂的非线性系统,用机理建模法很难得到系统的数学模型,通常采用基于输入输出数据的系统辨识方法。考虑到实际系统通常伴随着有色噪声,本文采用递推增广最小二乘法(RELS)辨识。这种方法考虑了噪声模型,可以得到模型参数的无偏最小方差估计。试验数据和模型仿真的拟合效果表明,递推增广最小二乘法是激光焊接过程非线性辨识的一种行之有效的方法。

基于径向基函数神经网络的电容传感器非线性辨识

分析差动变间隙式电容传感器的非线性因素,提出基于径向基函数神经网络的传感器非线性辨识的算法、方案与实现技术。对电容传感器进行实验,通过计算机仿真与应用,实现了实验过程和实验数据处理的智能化和简单化,能有效地辨识传感器的非线性,从而提高了测量的精度和速度。

基于最小二乘支持向量机的热电偶非线性辨识研究

热电偶的电动势和温度之间的函数关系是一种非线性关系。对热电偶进行精确的非线性辨识是提高温度测试精度的关键。采用最小二乘支持向量机方法解决热电偶的非线性辨识问题,可以实现热电偶电动势和温度之间的高精度辨识。该方法采用LS-SVM构建逆模型,并通过该模型映射热电偶的非线性特性。通过K型热电偶的非线性辨识实验结果表明:所提出的LS-SVM模型能很好地拟合热电偶的非线性特征,辨识精度高,误差在0.3℃以内。

基于NARX非线性辨识技术的航空发动机嵌入式机载模型计算机实现

针对航空发动机控制系统中机载模型难以实现的问题,设计一种将NARX非线性辨识模型移植入嵌入式高性能处理器从而实现机载模型的方法。应用NARX非线性辨识技术,对某型涡扇发动机试车数据进行系统辨识并建立实时建模;接着,将辨识模型通过代码生成技术载入TMS320C6747控制模块;最后,经过适当接口修改,完成机载模型计算机的实现并对其进行实验验证。结果表明,所辨识模型具有较高精度,且载入DSP平台后精度可达92%,满足航空发动机系统对机载模型的要求。

一类耦合Jansen-Rit模型中突变参数的非线性辨识

耦合Jansen-Rit模型可以用于模拟脑电信号的产生,其中的兴奋性增益参数的变化对模型动力学特性有重要的影响,这种变化可以用于模拟异常脑电活动的产生,因而,辨识这类突变参数具有重要意义。针对一类具有突变兴奋性增益参数的耦合Jansen-Rit模型,本文给出一种基于强跟踪容积卡尔曼滤波器的新方法来解决非线性辨识和估计问题。强跟踪容积卡尔曼滤波器结合容积卡尔曼滤波器估计精度高和强跟踪滤波器跟踪性能强的优点,能够重构非线性系统中的兴趣变量,以及辨识系统中的突变参数。仿真验证了该方法的有效性。

SVM和基于PCA、PLS的SVM在非线性辨识中的比较研究

对于同一个非线性系统,比较单纯ε-不灵敏支持向量机方法和基于主元提取、基于偏最小二乘提取的ε-不灵敏支持向量机方法在输入相关和不相关两种情况下的拟合性能和抗干扰性能。仿真结果表明:当输入变量之间存在相关性时,基于特征提取的方法优于直接采用ε-不灵敏支持向量机的方法。

缓冲材料振动传递率的测试及非线性辨识

本文依据相关的标准和工程实际需求,分析了振动传递率测试中的试样固定方式,设计了一种简易固定装置。以发泡聚乙烯为例,分析了振动传递率测试方法,将4种厚度规格的试样分别在5种应力下进行了3Hz～200Hz的扫频试验,测出了发泡聚乙烯在不同厚度和应力下的振动传递率,并对试验结果进行了分析。采用BP神经网络建立了振动传递率非线性模型,并利用matlab/nntool对网络进行了训练和仿真,结果表明,该模型具有较强的泛化能力,能精确辨识振动传递率,从而可以预测任意厚度和应力下的振动传递率。

模糊神经网络的非线性辨识理论及应用

论述了模糊系统和神经网络相结合的非线性系统辨识理论．通过分析模糊系统规则之间的隐含关系，给出具有非线性模糊关系的模糊神经网络非线性系统辨识方法，并用仿真方法进行了验证．最后讨论了网络的稳定性和收敛性．

非线性辨识在涡旋盘加工精度评价中的应用

给出了一种处理机加工工件测量数据的非线性辨识方法，旨在对工件机加工质量进行适当评价，并以典型加工工件——涡旋盘为例，给出了具体的分析过程与计算实例，对一大类具有复杂型面零件的质量评价具有参考意义。

基于相关函数法的焊接过程非线性辨识

激光焊接过程是一个典型的带有扰动和噪声的非线性系统.采用相关—最小二乘法对非线性系统进行辨识可以得到未知参数的无偏估计,并且这种辨识方法不需要大量的样本数据.针对高功率二极管激光焊接控制系统,运用相关—最小二乘法的非线性辨识方法,建立了参数为线性的非线性模型.实际阶跃响应数据验证了此模型能够较好地代表焊接过程的稳态及动态特性.

基于FCM和RVGA的FNN在非线性辨识中的应用

提出一种新的基于模糊C-均值聚类(FCM)和实值遗传算法(RVGA)的模糊神经网络(FNN)。在对模糊规则进行训练之前,利用模糊C-均值聚类从训练数据中提取出典型数据,以删除野值和协调数据内部冲突。然后利用一种新的实值遗传算法对此典型数据进行训练。此遗传算法的交叉和变异运算均直接对实值进行操作,而不是传统的位操作,因此,可以极大地减少训练时间并实现全局寻优。对非线性函数辨识的仿真实验证明了该方法的优越性。

高阶对称循环神经网络的非线性辨识

提出一种称为高阶对称循环神经网络（ＨＤＲＮＮ），它的结构是对称循环神经网络模型的改变，在自循环神经元与正常输入之间形成由自循环神经元和附加辅助乘法组成的隐含层，由此得出一般动态度向传播算法，算法表明ＨＤＲＮＮ不仅能给出更准确辨识结果，而且以更短训练时间来获得理想精确值。

基于改进DBO算法的非线性系统辨识

针对传统方法在单输入单输出Hammerstein模型的辨识上存在辨识精度低、辨识效果差等问题,文章提出一种基于蜣螂优化算法(Dung Beetle Optimizer,DBO)的非线性系统辨识方法。为了克服该算法在局部开发和全局探索上能力不平衡,易陷入局部最优的问题,引入改进的正弦余弦优化算法(Sine Cosine Algorithm with Self-learning strategy and Lévy,SCASL)用于平衡局部和全局搜索阶段,提高算法辨识精度,同时引入莱维飞行(Lévy flight)策略,帮助DBO算法在迭代后期跳出局部最优。通过数值仿真,对蜣螂优化算法和改进的蜣螂优化算法辨识结果进行比较,实验结果表明,改进的蜣螂优化算法辨识速度得到显著提升,并且辨识精度也得到了提高。

基于Hammerstein模型的非线性气动弹性系统辨识

在非线性气动弹性系统的辨识中,Hammerstein模型常用来辨识系统的非线性部分,而假设其线性部分是已知的。本文以累积相干函数为准则,有效地选择非线性部分的基函数,减少辨识参数的数目;利用条件逆谱法得到系统线性部分的极点,并构造相应的正交基函数;基于Hammerstein模型,建立该非线性系统的参数化模型;用非迭代方法求解模型参数;从而提出了能够同时辨识系统线性和非线性部分的非迭代辨识算法。以俯仰方向含刚度五次非线性的二元翼段为例,验证了该辨识方法的有效性。