【摘 要】
：
传统系统辨识理论主要根据基于测量噪声的系统输入输出数据来辨识模型.但是输入本身同样存在噪声,输入噪声的影响同时也体现在输出数据中.本文提出基于一种随机输入模型的系统辨识方法,根据随机微分方程的相关理论,通过输入一个随机过程信号,得到相应的随机输出数据.介绍了后向差分法并推出了一阶、二阶动态系统的离散模型,而后提出了一种递推的参数辨识方法,以便能够在线辨识系统参数.仿真实验首先采用相关方法生成实验数
【机 构】
：
北京科技大学自动化学院,北京100083 中国电力科学研究院,北京100192
【出 处】
：
第二十届全国自动化应用技术学术交流会
论文部分内容阅读
传统系统辨识理论主要根据基于测量噪声的系统输入输出数据来辨识模型.但是输入本身同样存在噪声,输入噪声的影响同时也体现在输出数据中.本文提出基于一种随机输入模型的系统辨识方法,根据随机微分方程的相关理论,通过输入一个随机过程信号,得到相应的随机输出数据.介绍了后向差分法并推出了一阶、二阶动态系统的离散模型,而后提出了一种递推的参数辨识方法,以便能够在线辨识系统参数.仿真实验首先采用相关方法生成实验数据,然后进行系统辨识.实验结果表明,基于随机输入模型的数据能够反映动态系统的特性,而递推算法能够有效地在线辨识系统参数,并具有一定的鲁棒性.
其他文献
为提高室内无线定位的精度,针对测距存在的测量噪声和非视距偏差,提出了一种改进的混合定位算法.混合定位算法利用测距数据的残差进行辨识,区分出视距路径节点及非视距路径节点.对视距路径节点,采用小波阈值去噪法消除数据中的噪声偏差;对非视距路径节点,采用Wylie法消除数据中的非视距偏差.最后再运用Chan算法对所有节点的处理数据进行定位估计.仿真研究表明室内环境下,混合定位算法可有效消除定位误差,显著提
针对参数摄动、摩擦等非线性干扰因素对飞行仿真转台伺服系统运动性能的影响,提出了一种基于扩张状态观测器的快速滑模控制策略.将系统中存在的各种干扰信号等效成系统的等效干扰,在系统内环设计扩张状态观测器对其进行实时估计,对原非线性系统实现了动态补偿线性化,论述了扩张状态观测器参数的设计要求.在考虑转台系统性能要求的前提下设计快速滑模控制器,从而缓解了滑模控制中的抖振问题,解决了扩张状态观测器对干扰估计的
利用太赫兹时域光谱仪(THz-TDS)测试固体样品,获取该样品的太赫兹吸收谱后对其进行定量及定性分析是太赫兹应用的一个重要方面.目前太赫兹吸收谱已成功用于被测样品的定性分析.然而,在传统定量分析中,由样品颗粒引起的太赫兹波散射而形成的吸收谱基线被忽略了,导致了定量分析误差较大.要想提高基于吸收谱的定量分析精度必须降低或消除吸收谱中的散射效应.本文分别选取粒度和复折射率不同的固态氨基酸样品,通过实验
在基于极限学习机的基础上,建立了电解槽电阻预报模型.考虑到现场复杂的运行工况,所采集的数据往往包含异常点.异常点的存在常常会影响极限学习机的性能,甚至会损坏建立的模型.为此本文改进了传统的极限学习机算法,提出了针对异常数据的改进的极限学习机算法.在阳极效应预报方面,通过对阳极导杆电流的分布式测量,计算电解槽电阻.分析槽电阻的变化情况,通过改进的极限学习机算法预报下一时刻的槽电阻值,并与阳极效应建立
为研究吸附剂的动态变化过程,本文选取三种吸附剂进行实验,对不同吸附阶段的吸附剂抽样测试其太赫兹波谱特性.实验结果表明,同种吸附剂在不同吸附过程中折射率随吸附进程变化明显,不同种类的吸附剂在相同吸附阶段折射率也不相同.因此太赫兹波谱技术可以为重金属吸附过程提供大量信息,不仅描述了重金属生物吸附剂固有特征以及吸附过程中吸附剂的光学参数变化,而且为控制和调整吸附进程提供了理论依据.
针对巷道环境下的移动机器人路径规划问题,传统的广度优先搜索算法生成的路径存在斜率和曲率的突变,难以被实时跟踪.本文提出了一种巷道环境下的移动机器人平滑路径生成方法.首先,使用双向广度优先搜索算法进行移动机器人路径规划;然后使用二分法对路径进行优化,将全局路径简化为若干个关键点;再基于关键点应用圆切线法将路径化为直线段与圆弧的连接;最后引入对称极多项式曲线,替换掉圆弧部分.仿真实验表明,最终生成的路
以高炉料面的二维成像问题为背景,针对现有雷达系统提出了一系列信号处理优化算法.首先,利用信号相干叠加增强特性提出了一种抑制背景噪声的自相关算法;其次,利用冶炼先验知识和回波统计特性完成了多雷达时变阈值智能协同算法;最后,结合现场参数和主成分分析(Principal Component Analysis,PCA)完成了数据交互与协同,同时用一种适用于料面模型的去野值α-β滤波算法进行进一步优化.经现
精矿品位和回收率是选矿过程中重要的生产指标,目前对精矿品位和回收率的动态预测以及时序预测的效果不甚理想,存在着预测精度不高和速度慢等问题.针对该问题,本文根据矿山实际生产数据的复杂性特点,利用基于核的极限学习机(Kernel-based Extreme Learning Machine,Kernel_ELM)此类高级神经网络学习算法,通过分析选矿过程中积累的指标数据,分别建立动态预测模型和时序预测
自振喷嘴腔内压力信号的脉动直接反映了自振射流的特性,有效地提取腔内信号的脉动特征,对分析自振射流产生机理的研究具有重要意义.希尔伯特-黄变换(Hilbert-Huang transform,HHT)能够自适应地将复杂的非线性、非平稳信号转化为希尔伯特谱,突出显示信号的局部特性,具有较好的时频聚集能力.然而,由于该方法存在模式混淆和虚假分量的问题,使得难以获得准确的本征模式函数(Intrinsic
为实现微电网运行的经济最优,本文首先在风储荷微电网系统中,利用带残差修正的灰色预测对具体时段的风功率和负载功率进行短期预测,然后以短期预测的微电网系统运行效益最大化为经济最优协调控制机制的目标,基于滚动时域优化的预测控制框架,引入动态规划法对微网系统预测时域内每个时刻的控制量进行滚动最优求解,实现基于预测的滚动时域控制框架下的微网经济最优协调控制方案.仿真结果表明,该方案能够有效保证微网中各子系统