分享到:

复杂系统模型结构辨识问题

1 假设与定义 对复杂系统作如下的基木假设: a.复杂系统的输出变量。,t)e厂,厂yr与输人变量),)三U,Uy瞩卜之间存在着唯一的关系》,即t)。h()),)三0,或。=6(u)十5,nEv,e为随机变量. 6.已知g决射参量簇人。,6)的集合S了,其中O E o,*y反’为模型参量. C.已知。个非随机元素组成的有限集W。…;,。。,…,。。),W yU,即已知。维输人向量u在。个点上的非随机观测值组成的。Xm阶矩阵X. d.已知谕出量。在束合y的诸点_匕的。维观测向量:厂=9+n,式中厂=(x;,y。,… ,y。广,刀。(几,1。,…,爪厂,9为h(。)的相应值组成的n维向量,刀为随机变量卓的。维实现向量,并假定刀是由分布相同的独立随机变量组成的向量,其期望值向量和协方差矩阵分别为M卜]=O。;D[qj。o‘’I.x。,a‘I〔y。一 y;)“/】yZ寸ID ill, RCg(厂,)=】y”丫I】(9;)’】y3 厂十1...  (本文共8页) 阅读全文>>

北京邮电大学
北京邮电大学

自行车机器人系统辨识及MATLAB仿真

作为设计各种控制系统的基础,建立高精度的受控对象动力学模型具有重要意义。由于受控对象往往具有时延,非惯性等特点,用传统的方式建立受控对象动力学模型时,往往出现模型精度不高甚至难以建立系统模型的问题,这极大地限制了各种控制理论的应用和控制性能的提高。在自行车机器人控制系统设计这一课题中,为了建立高精度的系统动力学模型以提高控制系统的性能,我们引入系统辨识理论对自行车机器人展开系统辨识。实验仿真结果证明该理论是可行的,并且取得了很高的辨识精度,具有一定的推广价值。本文主要介绍基于ARX模型结构和模糊神经网络模型结构的自行车机器人动力学系统辨识原理及基于MATLAB的仿真实现。文章首先对系统辨识理论的基本原理、经典方法进行介绍,并有针对性地介绍了神经网络系统辨识和模糊模型系统辨识原理;接着对模糊理论及神经网络理论的基本概念、算法结构进行了系统的介绍;在此基础之上,又详细介绍了模糊模型系统辨识具体方法;最后应用前面所述理论及MATLAB...  (本文共84页) 本文目录 | 阅读全文>>

北京化工大学
北京化工大学

系统辨识若干问题的研究

非线性系统、闭环系统、多变量系统、结构辨识是系统辨识中的热点和难点。对于非线性系统来说,用线性模型来拟合复杂非线性系统时会出现较大误差,而且也很难找到一个能够准确描述系统实际过程的动态模型;对于闭环系统来说,由于反馈作用的存在,输入输出信息含量减少,并且由于输入与输出噪声相关,系统会产生不可辨识的情况;多变量系统由于变量多、结构复杂、强耦合等因素,传统辨识方法会出现辨识误差过大甚至是无法辨识的情况;通常的系统结构辨识方法往往是专门针对特定一类系统的,不具有通用性。本文针对以上问题开展研究,包括以下方面:1.针对传统的辨识算法在外界有色噪声地干扰下,难以得到模型参数的一致无偏估计,本文提出了一种基于HPSO的单变量线性及非线性系统辨识方法。该方法将非线性系统的辨识问题转化为参数空间上的优化问题,然后利用HPSO对整个参数空间进行搜索,最终得到系统参数的最优估计。HPSO算法引入了健康度的概念,构造了一种粒子自我治愈模型,通过动态监...  (本文共121页) 本文目录 | 阅读全文>>

哈尔滨工业大学
哈尔滨工业大学

模糊建模与控制及其在电厂热工自动控制中的应用

模糊系统建模、模糊控制器分析与设计及模糊控制理论的应用是模糊控制研究的热点问题,同时也是模糊控制理论未来的发展方向,本文仔细分析了模糊控制理论研究及其在电厂热工自动控制中应用的发展与现状,对热点、难点问题进行了深入细致的研究。主要做了以下几方面工作:1.T-S模糊模型离线辨识方法研究。针对常用的模糊聚类算法中普遍存在的对初始值和噪声敏感,部分聚类参数需预先确定,而已有的模糊竞争聚类算法收敛特性差,易于陷入局部最优等问题,提出了一种模糊自适应竞争聚类算法,该算法的优点在于不需要对系统模糊规则的主要参数进行预先确定,只根据被辨识系统的输入输出测试数据就可以直接辨识出系统的模糊规则及模型参数。并且采用正交最小二乘算法,有效地减少了模糊聚类过程中产生的冗余或不重要的模糊规则,获取包含系统重要特征的模糊规则,由此获得的T-S模糊模型具有较高的建模精度和泛化能力;2.T-S模糊模型在线辨识方法研究。由于实际过程的时变性、随机干扰及对象模型参...  (本文共175页) 本文目录 | 阅读全文>>

华东理工大学
华东理工大学

基于扩展卡尔曼滤波和模糊多目标进化算法的多项式系统辨识与状态估计

近年来,多项式系统辨识问题是非线性系统辨识领域的一个研究热点。针对多项式系统状态和参数的估计精度受初值影响较大的问题,本文提出了一种基于扩展卡尔曼滤波(Extended Kalman Filtering, EKF)的多项式系统状态和参数联合估计方法。首先用最小二乘法对多项式系统进行参数估计,将估计结果作为EKF的初值,之后对多项式系统的状态和参数进行联合估计。仿真结果显示,与EKF相比,该方法使得系统状态估计误差的方差减小。同时,本文提出了一种基于模糊多目标进化算法的多项式系统结构辨识方法。先采用基于相关性的正交前向搜索(Correlation-based Orthogonal Forward Search, COFS)方法确定一阶项,然后根据各单项式与输出的相关系数以及每个单项对输出的贡献度,缩小候选单项式范围。将Pareto支配改为模糊Pareto支配,将快速非支配排序算法改为模糊型算法,用模糊多目标进化算法获得辨识结果。仿...  (本文共83页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

人工免疫系统在非线性系统辨识与预测控制中的应用研究

论文基于免疫系统原理来研究非线性系统控制领域两大重要课题:非线性系统模型辨识及其预测控制。免疫系统是一个具有强大学习能力的分布式动态鲁棒系统,在免疫系统中种类有限的抗体能够识别种类繁杂并且处于不断进化中的抗原。抗体识别抗原的这种机制显示免疫系统具有强大的自学习、自组织能力及良好的自适应性,这正是系统辨识所渴求的特征;而基于免疫原理提出的各种优化算法是一种具有优越性能的全局优化算法,非常适合预测控制的滚动优化等各种优化问题的求解。论文主要研究内容及贡献如下:(1)提出一种抗体结构编码方法及基于结构编码的免疫优化算法,实现非线性系统结构辨识。该算法基于免疫系统原理,将抗体的非线性响应模型编码为动态结构树,通过结构树的克隆、选择、变异、交叉等免疫操作来实现非线性问题的免疫优化,实现了非线性系统模型的结构辨识。(2)提出一种抗体的混合编码方法及基于混合编码的免疫优化算法,应用于非线性系统模型的结构与参数的一体化辨识。混合编码方法将非线性...  (本文共127页) 本文目录 | 阅读全文>>