利用阶跃响应求解一阶加纯滞后系统参数区间的鲁棒辨识算法

基于模型结构的先验信息,提出一种新的鲁棒辨识算法。辨识结果为模型的参数集合,即可给出辨识参数的区间。证明模型实际参数一定落在这个集合中。仿真实例表明这种算法的有效性和实用性。

递推l^1鲁棒辨识方法研究

研究了基于含l1范数约束非结构不确定性因子的模型集描述的动态系统的l1鲁棒辨识问题 .首先在较弱的先验条件下导出了受系统参数集为Rn 空间一凸多面体 ;然后通过求解该多面体的最小外框给出了名义时域模型的一次完成辨识方法和限定数据窗递推辨识方法 ,并给出了辨识误差界 ;最后对递推辨识算法进行了理论分析 .算例仿真表明了算法的有效性 .

鲁棒辨识问题评述

本文综述了一类新的辨识问题——鲁棒辨识问题的研究进展,首先介绍了鲁棒辨识问题产生的背景,然后对各种不同的辨识方法进行了评述,并指出了各自的特点,最后总结了今后的研究方向。

基于Volterra泛函级数的非线性系统的鲁棒辨识

针对弱非线性系统的鲁棒建模问题,基于Volterra泛函级数,结合集员辨识理论,提出了广义频率响应函数的鲁棒辨识方法,形成了一套较完整的弱非线性系统的鲁棒建模方法,仿真结果表明该方法是行之有效的。

串联式混合动力汽车辅助功率单元鲁棒辨识

串联式混合动力汽车柴油机辅助功率单元(APU)是一个多输入多输出的复杂非线性系统,为便于控制器的 设计,提出一种简单的面向控制的APU模型鲁棒辨识方法。该方法基于非线性变增益控制的原理,把APU系统 看成一个线性变参数系统,并将参数区域进行网格离散化,在每一工作点采用基于模型不确定性建模的方法进行 模型辨识,其结果表示为名义模型及其不确定性区域。最后在APU试验台架上进行了辨识试验,试验结果表明 该方法的可行性。

L1鲁棒辨识收敛性态的研究

研究Ｌ１鲁棒辨识的渐近收敛性，提出一种有效的辨识算法，并分析了该算法的可行性和收敛性。

鲁棒辨识研究的现状

综述了鲁棒辨识问题的研究进展 ,介绍了鲁棒辨识问题产生的背景 ,对各种不同的辨识方法进行了评述 ,并指出各自的特点 ,最后总结了今后的发展方向。

基于动态神经网的非线性鲁棒辨识

研究了一类基于动态神经网络的未知非线性多变量系统的鲁棒辨识问题．用Ｌｙａ－ｐｕｎｏｖ稳定性理论获得了具有保护策略的鲁棒调权律．从理论上证明了被辨识的系统是鲁棒稳定的，辨识误差按建模误差和未建模动态收敛到一个稳定区域．该策略的特点是不需要离线学习又不需要对象的状态完全可测．

l_1鲁棒辨识中的一般中心估计算法及其特例

本文分析了具有ｌ１误差的线性时不变系统的最不利情况的辨识问题，对系统假设的先验信息是未知系统的脉冲响应函数控制稳定，并且假定实验数据是具有有界噪声干扰的，本文提出了一般中心估计算法并分析了最不利情况的误差界限，并进一步研究了在某些特殊情况下，中心估计的简单求法及其性质．本文所给算法和辨识结果是面向鲁棒控制的．

l^1鲁棒辨识:一种递推插值方法

针对l1鲁棒辨识不能有效利用试验数据和进行在线辨识的问题 ,提出了一种在线递推插值辨识方法 .用几何方法描述试验信息 ,利用系统可行集与新的试验信息所构成的半空间的包含关系判断数据信息 ,有效地利用了试验数据 ,提高了辨识精度 .同时提出了一种新的计算辨识误差紧界的方法 .仿真结果表明了算法的有效性和可行性 .

一个面向鲁棒辨识的智能化计算机辅助系统的设计

最近十年来,智能辩识和鲁棒辨识都是系统辨识研究的前沿。本文介绍了将这两者结合起来开发的一个系统软件,基于知识的系统辨识工具——多用途鲁棒辨识支持系统(MUSSRI)。本文综述了有关领域的现状并详细描述了MUSSRI的总体结构和主要的功能模块。

l^1鲁棒辨识:最小二乘算法及试验设计

现有的l^1鲁棒辨识方法依赖于观测数据自的起始时刻因而不能用来辨识时变系统,针对该问题基于最小二乘法提出了一种l^1鲁棒辨识算法。该算法与观测窗的起始时刻无关,可用于时变系统的辨识,证明了当试验输入为持续激励信号时所提出的算法为本质最优算法,进一步证明了周期持续激励序列为最优试验信号,并给出了辨识误差紧界的计算公式。

动态神经网络的非线性系统鲁棒辨识和状态观测

针对多变量仿射非线性系统辨识和状态估计问题。采用动态神经网络作为辨识器和观测器,从而将系统辨识和状态观测设计过程合二为一,给出了辨识和状态估计的系统设计方法及具体设计步骤。在考虑建模误差项影响的情况下,采用基于Lyapunov理论的权调节律确保权值估计误差和状态观测误差的一致最终有界。仿真结果验证了所提方法的有效性。

一种含有异常值数据的鲁棒辨识算法

在回归问题中，当存在坏数据或异常值时，Ｈｕｂｅｒ方法是一种有效的稳健估计方法。将Ｈｕｂｅｒ的极小极大方法推广到ＡＲＸ模型的参数鲁棒辨识，并得到了系统参数的不确定性区间的估计，最后给出了仿真算例。

鲁棒辨识理论研究综述与应用展望

综述了鲁棒辨识问题及最新的研究进展,介绍了鲁棒辨识问题产生的背景,然后对参数鲁棒辨识类中集员辨识和非参数鲁棒辨识类中时域、频域以及时域/频域混合辨识理论及算法进行了评述,分析了其优劣,论述了鲁棒辨识理论的进一步发展方向及其应用前景.

直升机非线性模型结构和参数鲁棒辨识方法

提出了一砷能有效地对直升机模型进行辨识的鲁棒选择模型的新方法.通过分析数据矩阵模型判定方法,采用U-D分解方法以避免行列式的复杂计算,提高了计算效率.通过估计D阵元素的取值区间,得到了观删量不确定部分带来的模型辨识判据的误差上下界.依此判据,将侯选模型按照重要程度逐个选取.参数估计采用了加权最小二乘算法,按照上界不等式对估计误差的协方差阵进行了估计,得到了鲁棒辨识的新算法.为了便于工程应用,给出了鲁棒辨识算法的收敛条件.根据飞行试验结果对直升机悬停、前飞模型和参数进行辨识的结果表明,新方法可以得到工程上满意的结果.

基于过采样结构的贝叶斯鲁棒辨识方法

在实际工业过程中,异常值的干扰是不可避免的,现有的处理异常值方法会导致模型估计有偏差,并且没有考虑潜在异常值的影响。针对上述缺点,利用学生分布噪声来处理潜在异常值,提出一种适用于学生分布噪声情况的贝叶斯鲁棒辨识方法,并且将其与过采样结构相结合,推出了基于过采样结构的贝叶斯鲁棒辨识方法。仿真实验表明:本文提出的算法,随着异常值影响的增加,仍然保持较小的辨识误差,而传统辨识方法已不再适用,同时,还克服了传统结构需添加额外测试信号所带来的巨额成本。因此,本文的算法更适合于实际工业过程辨识。

基于小波去噪的热工对象鲁棒辨识

文章指出对于热工对象动态特性采用传递函数的模型表示方法存在未建模动态。把现场数据中存在的未建模动态成分和其它随机噪声视为有色噪声。分析了有色噪声导致的模型辨识有偏性。利用小波优越的多分辨率分析特性去除现场数据中的有色噪声,有效提高了模型辨识的精度和算法的鲁棒性。

基于时/频混合数据的鲁棒辨识

对于时／频混合数据的鲁棒辨识问题，提出了含有线性矩阵不等式的凸规划算法，并估计了系统的全局ｗ ｏｒｓｔ－ｃａｓｅ 误差界。仿真算例说明了该算法的有效性。

最坏情况下l^1鲁棒辨识方法研究

系统地讨论了ＳＩＳＯ、线性时不变、指数稳定系统在最坏情况下的ｌ１鲁棒辨识问题。提出了系统模型集合的最小外框概念；建立了两种任意非零信号作用下ｌ１鲁棒辨识算法；提出了任意非零信号作用下系统的可辨识条件；证明了算法的全局收敛性和最优性。