基于NFI-CMAC的系统参数智能辨识

基于牛顿前向插值公式,提出一种对任意阶多维函数可实现无差逼近的新型CMAC神经网络———NFI-CMAC,详细阐述了基本原理、插值算法及训练规则。基于NFI-CMAC,提出了一种快速、高精度的控制系统参数在线智能辨识方案,仿真实例表明了该方案的可行性与有效性。     

一个随机模型的参数辨识

给出了一个随机房室模型——胆红素模型的参数辨识方法，并给出了具体求解过程。     

非线性海冰温度系统的热力学参数辨识和数值模拟

根据北极海冰的热力学性质,以雪层、冰层和水层的热力学参数为控制变量,建立了北极海冰温度场的抛物型分布参数系统和参数辨识的最优控制模型,论述了该系统解的存在唯一性及最优控制的必要性条件,并采用半隐差分法和改进的Hooke—Jeeves算法进行参数辨识和数值模拟．     

伺服驱动系统机械参数辨识方法

以永磁直流电动机伺服驱动为例,研究了一种基于正弦转速辨识机械参数的方法.给出了系统的控制结构、参数及整定过程,并阐述了基于正弦转速实现伺服驱动机械参数辨识的原理.通过分析运动方程积分表达式的特点,提出一种简单有效的转动惯量初值辨识方法.最后,对文中方法进行仿真验证,并对比了在线性和非线性摩擦转矩作用下的辨识效果.     

机械手液压驱动系统的参数辨识技术

以机械手液压驱动系统为研究对象,在推导出系统传递函数的基础上,首先利用PID控制中的P控制对系统参数进行辨识,然后以PID控制对其结果进行实验验证。并经MATLAB语言仿真分析,理论与实验结果一致性较好。文中给出了理论分析和实验方法及部分结果。     

电机部分参数的辨识方法

电机理论、电机模型以及电机参数辨识的方法在共同进步．随着电机辨识理论的发展，辨识方法的逐步完善，电机参数在现实中的应用十分广泛．同时电机参数辨识在电机控制中具有极其重要的意义．简要阐述几种当前典型的电机参数中的频响法、最小二乘法和卡尔曼滤波法等一些辨识方法的原理和框图．     

参数未知混沌系统的分段函数投影同步及参数辨识

利用牵制控制技术,基于Lyapunov稳定性原理,设计自适应控制器和参数辨识法则,实现混沌系统的分段函数投影同步,对系统的未知参数进行辨识,数值仿真表明了控制器和参数辨识法则的有效性.     

福建丰源水电厂励磁系统参数辨识探讨

为电网分析、计算提供准确的BPA标准发电机励磁系统模型参数,文章在Matlab环境下建立发电机励磁系统标准模型,以现场试验数据为基础,对模型参数进行辨识并确定其模型参数。随后,通过BPA软件进行空载阶跃响应校核以及负载阶跃响应校核,结果与现场实测波形基本一致,从而认为辨识得到的BPA标准模型参数是正确和有效的。     

基于Matlab的直流电机CMAC—PID智能控制系统设计

为克服常规PID算法不能实时调整参数、非线性逼近能力差的问题,提出了直流电机的小脑模型神经网络(CMAC)与PID复合控制的策略.运用Matlab软件设计了CMAC-PID自适应智能控制器,证明了该算法的可行性、有效性,并得到了较为理想的控制效果.     

一类分布参数系统辨识的必要条件

研究分布参数系统dudt=(A B(q) ) uu(0 ) =x　 x∈ X　关于目标泛函 J(q)≡ 12 ∫T0 ‖ Cu(t;q) -y(t)‖ 2Hdt的参数辨识问题的必要条件 ,证明了最优估计 q.由系统的状态方程、协状态方程及优化条件所组成的优化系统确定 .     

基于连续型Hopfield神经网络的系统辨识

连续型Hopfield神经网络(CHNN)可用于优化计算,但其会遭遇较复杂的参数辨识问题.为了较好地解决这一问题,将擅长全局搜索的蚁群-粒子群混合算法用于对系统参数的最优化选取.再将此混合算法与CHNN有机结合,更好地解决参数辨识问题,且能有效避免CHNN在应用过程中陷入局部最优解.最后,将理论结果应用于求解TSP问题来验证其有效性.     

改进灰狼优化算法辨识光伏模型参数

针对标准智能优化算法辨识光伏(photovoltaic,PV)模型参数时存在准确度低、可靠性差和易出现早熟收敛的缺点,提出了一种改进的灰狼优化(improved grey wolf optimizer,IGWO)算法用于辨识PV模型参数。利用S型曲线的特点设计了一种基于S型函数的非线性调整控制参数a策略,以平衡算法的全局勘探和局部开采能力;以一定概率对当前最优决策层个体执行反向学习策略,帮助群体跳出局部最优。选取4个复杂函数测试IGWO算法的性能,利用实际光伏模型测量数据对IGWO算法进行检验。结果表明,IGWO算法相比其他算法,能更准确且稳定地辨识PV模型参数。     

变压器分层绕组模型变焦遗传算法的参数辨识

电力变压器分段绕组的传递函数模型可用来实现局部放电的精确定位，受制于测量条件，其模型参数辨识较为困难，文章应用遗传算法来解决电力变压器分段绕组模型参数辨识的问题，在绕组套管上施加一脉冲信号，通过在接地端测量其响应，在分段绕组的RLC数学模型基础上，假定分段绕组各单元的绕组之间绝缘损耗RS，对地电阻Rg，线圈之间电容Cs，线圈对地电容Cg，绕组损耗R和漏抗L相等，分段绕组之间的互感M通过一个电流控制的电压源模拟，对变压器分段绕组数学模型的参数进行辨识，同时进一步研究了参数变化范围对辨识结果的影响，引入变焦算子大搜索范围与辨识精度之间的矛盾，辨识结果表明，该方法是可行的。     

基于概率参数的Apriori改进算法

关联规则可在庞大的数据集中找出不同事务之间隐藏的关系,其中Apriori算法是关联规则分析中较为有效的办法。然而,Apriori算法产生候选项集的效率较低且扫描数据过于频繁,造成算法计算需要耗费较长时间。另外,初始定义的最小支持度与最小置信度也不足以过滤无用的关联规则。针对以上问题,利用概率理论与有效的参数设置,在原有Apriori算法基础上,提出一种基于概率事务压缩的关联规则改进算法。数值算例结果表明,新算法可在第二次迭代之后,大幅减少低效候选项集,从而提升经典Apriori算法效率。     

发汗冷却控制系统参数辨识的几种改进算法

本文对再入热环境的航天飞行器的表面热防护的地面模拟试验和实测研究,在现有的理论基础上,提出几种发汗冷却控制系统参数辨识的改进方法,从而减少表现气动加热的热流密度的估算误差,为地面模拟实验和飞行实测提供更为充分准确的数据。     

异结构混沌系统的自适应函数投影同步及参数辨识

研究了异结构混沌系统的自适应函数投影同步及未知参数的辨识问题.基于Lyapunov稳定性定理和自适应控制技术,构造了自适应控制器和系统未知参数的辨识法则,实现了异结构混沌系统的自适应函数投影同步.以著名的Lorenz系统和Lü系统为例进行了数值仿真,仿真的结果表明所构造的自适应控制器的有效性和系统未知参数辨识法则的正确性.     

基于模糊遗忘因子递推最小二乘法锂电池参数辨识方法研究

针对遗忘因子递推最小二乘法的遗忘因子为固定值而造成锂电池参数辨识结果稳定性和锂电池等效电路模型精度无法同时兼顾的问题,提出一种将模糊算法与遗忘因子递推最小二乘法相结合的融合算法——模糊遗忘因子递推最小二乘法,使得遗忘因子在模糊控制器的作用下实现动态可变.通过选取一阶RC模型作为锂电池的等效电路模型,并基于固定遗忘因子递推最小二乘法和模糊遗忘因子递推最小二乘法,分别对一阶RC模型进行参数辨识,然后分别将参数辨识结果带入模型中进行模型端电压误差计算.仿真结果表明,相较于遗忘因子取值为1的固定遗忘因子递推最小二乘算法,基于模糊遗忘因子递推最小二乘法的锂电池模型端电压平均绝对误差值下降了0.000 85 V,最大误差绝对值下降了0.074 2V.相较于遗忘因子取值为0.9的固定遗忘因子递推最小二乘法,模糊遗忘因子递推最小二乘法参数辨识结果的稳定性有非常显著地提升.     

不确定变形耦合发电机系统的参数辨识与自适应同步

研究了不确定变形耦合发电机系统的自适应同步和参数辨识,设计了自适应控制器和参数更新规则,理论证明了该控制器可使得两个变形耦合发电机系统——驱动系统和未知参数的响应系统渐进地达到同步,并且可以辨识出响应系统的未知参数.数值模拟结果证明了该控制器的有效性.     

一种改进的遗传算法在异步电机参数辨识中的应用

给出改进的遗传算法和异步电动机动态数学模型,利用异步电动机直接空载起动特性对其模型参数进行辨识,辨识结果说明改进的遗传算法的有效性。     

基于支持向量回归神经网络的动态系统辨识

结合支持向量机和神经网络各自的优点,提出了一种新颖的自适应支持向量回归神经网络(SVR-NN).首先,利用支持向量回归方法确定SVR-NN的初始结构和初始化权值,基于支持向量自适应地构造SVR-NN神经网络的隐层节点;然后,使用退火过程的鲁棒学习算法更新网络节点参数和权值.为了验证所提出方法的有效性,给出了自适应SVR-NN应用于非线性动态系统辨识的实例.仿真结果表明,与以前的神经网络方法相比,基于SVR-NN网络的辨识方案能获得相当好的性能,它具有很快的收敛速度.因此,自适应的SVR-NN为非线性系统辨识提供了极有吸引力的新途径.