搜索结果: 1-15 共查到“信息科学与系统科学 系统辨识”相关记录21条 . 查询时间(0.109 秒)
系统辨识理论与司法量刑问题交叉研究取得进展(郭雷)
系统辨识理论司法量刑问题 交叉研究
2023/2/22
数据篡改攻击下的量化系统辨识
数据篡改 攻击 量化系统辨识
2023/1/5
基于子空间方法的非均匀周期刷新和采样系统辨识
非均匀周期刷新和采样系统 状态空间模型 子空间方法 多采样率系统 辨识
2014/5/7
针对非均匀周期刷新和采样系统的建模问题, 对于含有提升变量的状态空间模型, 提出基于子空间技术的辨识方法. 首先, 通过系统的采样数据建立由Hankel 矩阵组成的扩展状态空间方程; 然后, 利用斜交投影的原理、方法和奇异值分解, 通过子空间辨识算法确定增广观测矩阵和状态向量, 通过最小二乘方法确定模型的参数矩阵; 最后, 通过仿真实例表明了所提出算法的有效性.
针对时变非线性系统难以建模的问题, 提出了基于动力学特性聚类的多维泰勒网模型, 对系统进行辨识与预测. 首先讨论了多维泰勒网模型构造方法和非线性系统动力学特性聚类的定义; 然后给出基于动力学特性聚类的多维泰勒网自重构算法; 最后通过实例说明基于动力学特性聚类多维泰勒网在实际中应用的方法, 实例结果验证了该方法的有效性.
应用速度变异粒子群的系统辨识方法研究
粒子群优化算法 速度变异 元模型 组合优化
2009/6/25
论文研究了一种利用粒子群优化(PSO)算法对系统模型进行辨识的新方法。该方法的基本思想是将典型的数学模型的相互组合而构成系统模型的新颖辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现了系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了一种利用速度变异的粒子群优化(VMPSO)算法。最后,给出了仿真示例,其结果表明了所给的系统辨识方法的合理性...
GM-RC,AJ-RC FIR系统辨识方法的改进
高阶累量 非最小相位FIR系统 参数估计
2008/12/31
本文讨论基于高阶累量辨识非最小相位FIR系统问题.在文献[1,2]提出的GM-RC,
AJ-RC算法的基础上,提出了一种改进算法.模拟实验结果表明:改进算法有效地抑制了传
播误差并进一步简化了运算,因而性能更加优越.
闭环系统辨识的偏差最小二乘法
闭环辨识 最小二乘法 一致估计
2008/12/31
研究有色噪声扰动下反馈未知的闭环系统的无偏辨识问题,提出了一种偏差补偿最
小二乘法.应用这种方法,在噪声未建模的情况下,即可获得前向通道中对象模型和反馈通道
中控制器模型参数的渐近无偏估计.
按段多重契比雪夫多项式系及其在线性时变系统辨识中的应用
正交函数系 函数逼近 参数辨识
2008/12/30
本文在块脉冲函数系和契比雪夫多项式系基础上定义了一种新的正交函数系--按段多
重契比雪夫多项式系,研究该函数系的主要性质和基本运算法则,得出了积分运算矩阵、乘积
运算矩阵和元素乘积运算矩阵,并用此函数系研究线性时变系统的参数辨识问题,获得了简
单、快速、高精度的递推辨识算法.数值例子计算结果表明,当采用如伪随机信号一类的充分
激励的函数作为被辨识系统的试验信号,本文提出的算法所得结果的精度...
非线性系统辨识--GMDH的一种新算法及其应用
系统辨识 GMDH 参数估计
2008/12/29
本文提出了用单向逐步回归方法确定GMDH中最佳部分多项式结构和进行参数估计,并
且给出了递推算法.这种算法避免了原算法[3]中的大量重复运算,对多步预测模型更显出其
优越性.实际应用例子证明了该算法的有效性.
非线性系统辨识中模糊模型参数收敛问题的进一步研究
非线性系统辨识 模糊系统模型 参数收敛性
2008/12/29
对于使用标准的Mamdani 型模糊系统及正交投影参数调整算法进行非线性系统辨识,基于模糊模型参数的估计值收敛到其真实值所需的持续激励条件,给出了适用于非线性移动平均模型和二阶非线性自回归移动平均模型系统辨识的持续激励输入信号设计的几个算法.
基于规范形随机VDE新息表示和新息修正算法的多变量动态系统辨识方法
多变量系统 结构辨识 参数估计
2008/12/25
本文指出,为避免秩检验步骤,多变量系统辨识必须考虑规范形表示,否则存在可辨识性
问题,并提出了基于规范形随机VDE新息表示和新息修正算法的多变量系统辨识方法.一
个三输入、三输出系统的仿真例子表明了提出方法的有效性.
基于神经网络的工业大系统辨识及稳态递阶优化方法
稳态递阶优化 Hopfield神经网络 前向神经网络
2008/12/25
为了对工业大系统进行稳态递阶优化,必须首先获得系统的稳态模型.从神经网络的分
析人手,给出了工业大系统稳态模型的动态辨识方法及基于神经网络模型的推导方法.为了
提高算法的收敛速度,引入Lagrange函数解决大系统优化问题中的各种约束,并用Hopfield
网络实现了大系统稳态递阶优化的网络算法,最后给出了某一大系统辨识及优化的仿真结果.