黄磊[1]2015年在《基于键合图模型的复杂机电系统故障诊断方法研究》文中进行了进一步梳理复杂机电系统由结构形式各异的多能量领域子系统耦合而成,针对复杂机电系统的状态监控和故障诊断是工程领域的研究重点。基于模型的故障诊断方法可充分发掘系统模型反映的深层次信息,不需系统历史操作状态数据的支撑就可表现出优异的在线诊断性能,其是保持复杂机电系统持续高稳定性运转的优选方案之一。构建针对复杂机电系统的基于模型诊断方案的难点在于,系统结构的复杂性使模型建立比较困难,多能量领域的耦合造成识别出的模型参数不够精确,参数不确定性使在线生成的系统残差不能正确反映系统的运行状态,混合系统模式转换带来的误诊和漏诊问题等。本文针对复杂机电系统诊断方法中涉及的系统模型搭建、系统参数识别、系统在线残差、混合系统自适应诊断阈值、故障可诊断可隔离性等方面做了系统性研究。论文主要研究工作和创新点包括以下几个方面:以键合图方法为工具为复杂机电系统建模,对综合有机械、电气和液压的自动控制车辆转向系统进行了建模,分析系统结构特点和能量传递规律,对模型进行增广和因果关系标注;在常规键合图模型的基础上,将混合系统模式转换的动力学特性映射于键合图模型中,推导解析冗余关系,获得模型方程。提出一种新型的参数辨识网络,根据参数辨识的特点对BP辨识网络进行了改造,以最小二乘法辨识结果作为网络训练的初值,采用变速训练方法对网络权值进行训练。运用模块化建模思想为车辆转向系统建立模型,并推导模型方程,将最小二乘法初次辨识结果作为网络训练初值,使用提出的辨识算法辨识模型中六个关键参数,用改进的参数辨识网络进行二次辨识,实验结果表明辨识网络算法可靠有效。搭建连续系统诊断模型,从中推导出的解析冗余关系(ARRs)为一组包含观测变量的等式,包含有判断系统运行状态的必要信息,对动力学系统的故障诊断非常有效。本文研究的故障类型为参数跃变型故障,即针对系统内部元器件参数在较短时间段内发生的参数跃变,且假定为同时点的单故障源。经系统正常运行实验确定了诊断阈值,在远程自动控制车辆上进行了连续系统故障诊断实验,试验中引入叁个模拟故障,对故障诊断效果进行了分析,验证了提出的故障诊断系统和算法的可行性。提出混合系统模式转换自适应阈值,依据混合系统动力学模型,研究混合系统故障诊断中误诊和漏诊问题的产生,及常规解决方案的不足之处,并提出新的解决方案;根据对系统参数不确定性的估计,以及对系统残差各部分的影响,运用线性分式变换构造模式转换自适应阈值;建立了GARRs、系统残差和模式转换自适应阈值算法,以及模式转换故障特征矩阵和混合系统故障诊断方案;搭建混合系统仿真电路和键合图诊断模型,对混合系统诊断架构进行仿真实验,分析实验结果,初步验证所提出的模式转换自适应阈值的可行性。改造无线远程自动控制车辆转向系统,使其具有混合系统动力学特性,作为混合系统故障诊断实验平台使用;建立了混合系统的键合图模型,推导GARRs,构建模式转换自适应阈值并分析MD-FSM,进行混合系统故障可检测性和可隔离性分析;在混合系统实验平台进行实际系统的故障诊断实验,通过非破坏性方法引入故障,分析在不同模式下的故障诊断性能;验证了所提出混合系统诊断架构在实际系统中的诊断效果。实验结果表明,依据混合系统故障诊断理论分析搭建的诊断系统架构,在实际系统中的诊断性能与理论分析一致,故障在各模式下的诊断结果与MD-FSM分析一致,达到了设计目标,为复杂机电系统诊断架构的设计开发提供了完整的解决方案和成熟的设计流程。
贺尚红[2]2002年在《连续动力学系统参数模型辨识及工业试验》文中提出论文以大型冶金设备动力学模型辨识为工业应用背景，主要进行了如下几个方面的研究： (1)提出了构造高斯调制函数的尺度变换原理，研究了高斯小波调制滤波器的结构和频谱特性，建立了基于调制函数法的连续系统辨识模型，设计了连续模型参数估计的最小二乘法，研究了最小二乘估计的统计性质，证明了测量噪声为白噪声干扰时最小二乘估计的有偏性。 (2)构造了能降低测量噪声干扰的辅助变量系统及递推算法，研究了输入输出端测量噪声影响下最小二乘估计的偏差特性，提出了两种基于测量噪声方差估计的自适应偏差补偿原理并设计相应算法，用仿真算例研究了调制滤波器参数对辨识精度的影响。 (3)研究了白噪声输入作用下系统频率特性的相关辨识原理，用谱估计技术实现频率特性非参数模型的辨识，研究了伪随机序列和逆重复伪随机序列的自相关函数和功率谱特性及在相关辨识技术实施中的参数选择。 (4)建立了某平整机液压AGC系统压力控制闭环的动态解析模型，以指导辨识试验中模型结构参数的选择。 (5)用相关辨识理论辨识了液压AGC压力闭环系统的频率特性，分别用普通最小二乘法、辅助变量法及偏差补偿算法辨识了该系统的动态参数模型，辨识结果验证了论文理论研究成果的正确性和可行性。 基于调制函数法的连续系统模型辨识，国内外缺乏系统研究。本论文在充分利用离散模型辨识研究成果的基础上，按作者自己的学术思想，系统地研究了连续模型辨识调制函数法的系列算法，并应用于大型工业装备的状态辨识，丰富了系统辨识领域的研究成果。
李超顺[3]2010年在《水电机组控制系统辨识及故障诊断研究》文中研究表明水电机组控制系统与机组的稳定、安全、高效运行密切相关,对其进行精确建模研究是系统动态过程仿真、自适应控制、机组及互联电网稳定性分析和机组故障诊断的基础。水电机组控制系统是具有时变、非最小相位、强非线性等特点的复杂系统,精确建模一直是相关研究的难点；水电机组日趋大型化、复杂化导致机组故障风险日益突出,机组故障诊断研究一直备受学界关注。因此,深入研究水电机组控制系统辨识理论与方法,获得机组控制系统的精确模型描述,研究机组故障诊断策略,对实现水电机组的安全、可靠和高效运行,具有十分重要的理论意义和工程应用价值。在水电机组系统辨识研究中,传统方法多集中在线性系统辨识领域,辨识的模型多为忽略了非线性环节的简单线性模型,缺乏对非线性系统辨识的研究,制约了高精度水电机组对象模型的获取,亟需进一步发展水电机组非线性辨识理论并系统地建立完善水电机组系统辨识方法体系。为此,在全面分析水电机组特性基础上,凝练出机组控制系统辨识及机组故障诊断所面临的科学问题,结合模糊理论及先进智能优化方法,对水电机组控制系统参数辨识方法、模型整体辨识策略进行了系统深入的研究,进一步开展了基于系统辨识的机组故障诊断研究,提出了基于模糊聚类理论的故障模式识别方法体系。论文的主要工作及创新性成果如下：(1)针对水电机组对象特性及系统辨识研究需求,研究并建立了水轮机调节系统各环节数学模型,对其中的非线性特性进行了重点解析,探讨了不同工况下水电机组控制对象模型表现形式,建立了水轮机调节系统典型线性模型及非线性模型的SIMULINK仿真平台,为系统辨识研究打下了基础。(2)考虑水电机组参数辨识的特殊性,研究并推导了基于微分变换和积分变换的连续系统参数辨识方法,直接辨识对象物理参数。构建了基于Harley变换的连续系统辨识模型,实现了水轮机调速器控制参数的精确辨识,研究了具有结构简单、计算速度快的Haar类正交变换,成功应用于水轮机调节对象的参数辨识。(3)水电机组控制系统是复杂的非线性系统,在不对模型进行简化的情况下进行非线性系统参数辨识。引入引力搜索算法,结合粒子群算法的优点提出了改进引力搜索算法,使其在保留引力搜索的前提下增加了信息共享及记忆能力,进一步提高了搜索能力,在此基础上研究了基于智能优化的非线性系统辨识方法,构造了基于智能优化方法的水轮机调节系统辨识框架,实现了复杂工况下水轮机调节系统非线性模型参数的精确辨识。(4)进一步研究了水电机组复杂非线性系统的整体模型辨识,提出用模糊模型来精确描述水轮机调节系统。在传统T-S模糊模型的基础上,研究并提出用变尺度混沌优化方法来优化T-S模糊的结构与参数,实现结构参数的一体化辨识,为提高模糊空间划分的合理性,提出了基于线性回归原型及超平面原型的模糊聚类方法,实现了T-S模糊模型的高精度辨识,最后验证其在水轮机调节系统辨识中的效果。(5)研究了基于数学模型的动态系统故障诊断策略,为进一步开展该类问题研究打下了基础。进而研究了基于模糊聚类模式识别方法的机组故障诊断,提出了加权混合模糊聚类方法(WCOFCM)和一种加权核聚类算法(WFKC),结合混沌变量的全局搜索能力与梯度算子的局部寻优能力,通过核函数非线性映射及样本特征加权,有效区分了重要和非重要的样本特征,突出了敏感样本特征在聚类中的主导作用,有效实现了机组故障模式的准确识别。
赵天林[4]2011年在《连续Hammerstein模型直接辨识方法研究》文中提出课题以复杂机械系统动力学建模与设计为工业应用背景,在国家自然科学基金项目《连续非线性动力学系统参数模型小波调制直接辨识》(项目编号:50875028)资助下,拟定以带测量噪声情况下连续Hammerstein模型直接辨识为研究内容。主要进行了以下几个方面的研究:1.建立了无测量噪声干扰的连续Hammerstein模型的调制最小二乘直接辨识算法。介绍了非线性参数分离方法,用分离方法分解重整模型参数向量得到的乘积项,最终得到连续Hammerstein模型的估计参数。2.建立了有测量噪声干扰情况的连续Hammerstein模型的调制最小二乘直接辨识算法。研究其噪声的调制最小二乘特性,知其参数估计是有偏参数估计,利用广义噪声模型处理调制噪声,提出调制广义最小二乘算法获得了系统参数的无偏估计。3.针对高噪声情况下调制广义最小二乘参数估计出现失真的情况,提出时窗小波降噪算法对带高噪声的数据进行在线降噪,然后利用降噪数据估计模型参数。研究了时窗小波降噪在连续线性动力学模型和连续Hammerstein模型中的应用,由于降噪数据也带有低噪声,故分别提出时窗小波降噪调制辅助变量法和时窗小波降噪调制广义最小二乘算法来获得相应模型参数的高精度的无偏估计。4.对冷轧平整机HAGC压力闭环系统建立连续线性动力学参数模型和连续Hammerstein模型。将提出的算法用来辨识相应的模型参数,得到较好的辨识结果。应用实例说明了算法的有效性和实用性。研究表明:本文研究的辨识算法对测量噪声干扰下估计连续Hammerstein模型参数有较好的抗干扰能力,可适应大型工业系统的模型辨识。
韩艳艳[5]2010年在《连续系统模型参数直接辨识调制函数法中若干技术问题研究》文中进行了进一步梳理连续时间参数模型是描述系统动力学特征的最佳方法,而连续时间模型直接辨识法是动力学系统的最佳辨识法。由于直接辨识法不能直接测量系统输入输出信号的各阶微分,本文采用调制函数法对连续模型进行数字调制积分来避免用信号本身求微分。主要进行了以下几个方面的研究:(1)详细介绍了几种调制函数的性质及特点,建立线性连续动力学系统参数模型直接估计的最小二乘算法及扩展算法。对复杂噪声进行了处理,即引入一种噪声模型代替表示输入输出端的噪声,减小计算量,提高辨识精度。以hermite调制函数为例,结合建立的噪声模型,对线性连续参数模型进行辨识仿真。并分别取噪声模型为一阶,二阶、叁阶和四阶的情况为例进行辨识仿真,用增广最小二乘法求取模型参数。(2)分别建立hammerstein非线性连续时间系统的等价辨识模型和双线性系统模型非线性时间系统的等价模型,用调制函数法通过对连续模型的数字调制积分得到直接以连续模型参数表示的离散等价辨识模型。选用hermite和hartley两种调制函数,分别用窗口平移和改变频率指数的方式对两种模型进行调制处理,采用最小二乘法求取模型参数。用仿真算例证实了线性系统所得出的结论,同样适用于非线性系统。(3)将本论文的方法应用于冷轧平整机HAGC压力闭环系统的2/2、1/2阶动态参数模型辨识。本文较系统的研究了基于调制函数法的线性和非线性的连续时间系统参数模型的辨识方法的若干技术问题,并应用于某大型工业装备试验的模型辨识,丰富了系统辨识领域的研究。
寇攀高[6]2012年在《水轮发电机及其调速系统的参数辨识方法与控制策略研究》文中研究指明精确的水轮发电机组数学模型不仅是水力发电系统仿真的基础,而且对于互联电力系统的计算分析、规划运行和控制保护设计具有重要意义。随着水电能源的大力开发,我国已建及在建的水电站单机容量大、引水管道长、水流惯性巨大、引水系统布置复杂,同时承担电力系统调频、调峰和事故备用等任务,对电力系统的安全稳定运行及模拟分析提出了严峻挑战,然而目前国内电力系统计算分析所用的水轮机调速器数学模型往往采用简化的模型,与实际投运的水轮机调节系统模型结构存在较大差异。因此,有必要研究水轮发电机组的先进辨识方法及控制策略,建立精确的水轮发电机组数学模型,提高水电机组仿真精度及机组的控制性能,确保水电机组及电力系统的安全高效运行。基于辨识的控制系统建模是获取研究对象数学模型的一种重要手段,传统的水力发电系统辨识研究中,辨识模型多采用线性模型,辨识方法多基于线性系统辨识理论,缺乏对水力发电系统非线性因素及参数时变的考虑,难以满足电力系统的动态稳定分析、中长期电压稳定分析、自动电压控制及系统频率稳定分析的需求。为此,在深入研究水轮发电机及其调速系统数学模型的基础上,凝练出水轮发电机组辨识及控制所面临的科学问题,结合多新息理论、先进智能优化方法、动态系统设计方法及变结构控制策略,对水电机组的参数辨识方法、先进控制策略进行了系统深入的研究,提出了水轮发电机组辨识-控制一体化体系。论文的主要工作及创新性成果如下：(1)针对水轮发电机组频率调节及控制的需求,研究并建立了水轮机调节系统频率调节、开度调节及功率调节数学模型,对其中的非线性环节进行了重点解析,建立了基于Simulink的水力发电系统多工况仿真平台,为系统辨识及控制策略的研究打下了基础。(2)以建立精确的水轮发电机及其调速系统线性模型为研究目标,引入多新息辨识理论,在传递函数模型的基础上推导出同步发电机任意工况下一次性抛载试验及水轮机调节系统的线性回归模型,并通过实例验证了多新息辨识理论在水电机组控制系统参数辨识的可行性。(3)以水轮机调节系统非线性模型参数辨识为目标,在引入量子粒子群优化算法的理论框架下,将水轮机调节系统参数辨识问题转化为单目标函数有约束优化问题；针对水轮机调节系统对象参数时变、非最小相位、复杂非线性的特点,提出了一种基于混沌变异的QPSO (Quantum Particle Swarm Optimization)算法,并通过不同工况仿真试验验证了IQPSO (Improved Quantum Particle Swarm Optimization)在水轮机调节系统参数辨识中的有效性。(4)针对水轮发电机非线性状态空间模型的参数辨识问题,在粒子群优化算法的基础上引入量子计算,提出了粒子群-量子操作(Particle Swarm Optimization with Quantum Operation, PSO-QO)优化算法,并将该方法应用到同步发电机非线性模型参数辨识中,通过实例验证了该方法在同步发电机参数的离线辨识中的有效性；并在粒子群-量子操作算法中引入敏感粒子,实现了同步发电机参数的在线跟踪与辨识。(5)在总结以往参数辨识研究思路的基础上,尝试从控制论的角度认识参数辨识问题,提出了基于动态系统设计的参数辨识方法及动态系统设计原则,并以Hopfield神经网络为例,研究了基于Hopfield (?)神经网络动态系统的同步发电机非线性状态空间模型参数辨识,并通过实例验证了基于动态系统设计的参数辨识研究思路的可行性及有效性。(6)针对传统PID参数难以满足水轮机调节系统参数时变、多工况运行的特点,将菌群优化(Bacterial Foraging Optimization, BFO)算法引入到水轮发电机组调速器PID参数优化整定中,综合BFO算法良好的全局搜索能力及粒子群优化(Paticle Swarm Optimization, PSO)算法收敛速度快的特点,提出了菌群-粒子群优化算法(BFO-PSO);在传统ITAE(?)旨标的基础上,考虑菌体间相互吸引、相互排斥、相互学习的行为特点,提出了一种新型适应度函数,构造出基于智能优化算法的水轮机调速器PID参数整定框架,实现了水轮机调节系统任意工况下参数整定。(7)针对传统PID控制策略随水轮机工况切换、参数时变适应性差的问题,将滑模变结构控制引入到水轮机调节系统中；考虑到传统水轮机调节系统状态空间模型忽略了机组转速给定项无法仿真机组空载扰动且线性最优控制下机组转速存在稳态误差的问题,推导出一种叁控制输入的水轮机调节系统状态方程,揭示了状态方程稳态误差产生机理,提出了消除状态方程稳态误差的方法,在此基础上设计了水轮机调节系统的滑模变结构控制器。
赵磊[7]2008年在《飞行器气动参数辨识与组合优化》文中进行了进一步梳理飞行器气动参数辨识研究的主题,是应用系统辨识技术从飞行试验数据求取气动力,从而建立飞行器动力学系统的数学模型。它研究的对象是飞行器,解决的是空气动力学问题,采用的基本方程是飞行动力学的运动方程组,应用的研究手段是现代控制论中的滤波、预测和估计理论。本文在纵向非线性动力学模型已知的情况下,用参数估计的方法,辨识飞行器运动过程中未知的气动力系数。首先,针对基于极大似然法和广义卡尔曼滤波的参数辨识方法,研究了飞行器气动参数辨识的一般特性。然后,从辨识的精确性和效率性出发,针对计算精度高、计算效率低的极大似然一般算法采用了极大似然近似算法降低了极大似然法在辨识过程中计算效率低的问题;给出更高的辨识效率算法增广的广义卡尔曼滤波算法,把状态方程中的待辨识参数做为状态量加入状态方程中,利用广义卡尔曼滤波进行状态估计求解待辨识参数;针对增广的广义卡尔曼滤波计算效率高计算精度差的情况,提出增广的拟线性最优平滑滤波法对状态方程进行高度线性化处理,从而减少卡尔曼滤波中状态方程线性化不足所带来的误差,在精算量增加不大的前提下,辨识精度有了明显的提高。通过增广的拟线性最优平滑滤波法,解决了极大似然法和增广的广义卡尔曼滤波在辨识过程中计算精度和计算效率的矛盾。最后,基于遗传算法的随机搜索算法,利用其全局优化特点,针对叁种辨识方法建立适应度函数,对叁种辨识算法所对应的个体进行评价,求解出最优权系数,组合优化从而进一步得到更精确的辨识解。
黄魏[8]2017年在《基于广义预测控制的汽车多模型混合低速控制》文中研究表明汽车作为科学技术成果,它是一把双刃剑,给人类出行带来便利,同时也造成诸多社会困扰。汽车保有量的持续上涨,伴随而来的是交通拥堵不堪、噪声污染加剧、交通安全降低等。近年,互联网+和人工智能技术的诞生和发展使得人类追求更加安全、高效和便捷的生活,因此,具有高级驾驶辅助系统的汽车应运而生。自适应巡航控制系统作为其中一个子功能,使车辆在安全工况下行驶,并进一步提高驾驶的舒适性和经济性。首先,本文定义低速自适应巡航系统的功能需求,对系统整体结构按照功能划分模块,并阐述每个子模块实现的系统功能,对子模块所需的关键技术进行归纳。其次,本文针对汽车低速工况下的动力学特性进行分析,得到简化的汽车纵向动力学系统逆模型。基于逆模型公式构建的驱动和刹车控制的切换策略,有效避免两者的频繁切换。针对发动机的非线性特性,采用大范围线性化方法补偿汽车的部分非线性,并利用CARMA(可控自回归滑动平均模型)来描述近似线性化的系统。通过结构辨识定义系统模型的多项式阶次,并且通过最小二乘法实现系统状态参数辨识。对实际系统响应与传递函数的响应结果进行对比分析,最终构建多个驱动工况下的参数模型和单个刹车工况下的参数模型。基于上述研究,利用广义预测控制算法,建立多模型混合低速控制器,主要针对下层控制器实现实际加速度对目标加速度的跟随。该控制器通过模型预测多步系统响应,通过实际加速度与期望加速度误差加权值和控制量增量加权值作为指标函数求解系统当前状态的最优控制量。为了验证本方法的可行性和有效性,搭建传统PID控制器进行对比验证,其评价指标包含超调量、稳态误差等。仿真结果表明,实际加速度对目标加速度的响应平稳,实际加速度没有出现振荡和发散现象。将汽车的多个参数模型和广义预测算法相结合,下层控制器能够较好地改善汽车低速工况下的控制性能。针对汽车内部参数变化和外部环境的小范围变化,该控制器能够控制车辆较快地收敛到稳定状态,具有良好的鲁棒性。
李丽香[9]2006年在《一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究》文中研究说明混沌是存在于非线性系统中的一种较为普遍的非线性现象，混沌并不是一片“混乱”，而是有着精致的内在结构的一类非线性现象。混沌的特性主要有伪随机性、遍历性和对初始条件的敏感性。由于遍历性可作为避免搜索过程陷入局部极小的有效机制，因此混沌理论已成为一种新颖且有潜力的优化工具。从20世纪90年代初开始，混沌优化的研究引起了人们极大的兴趣，并成为当前混沌理论研究的一个热点。 90年代初，受蚁群可在巢和食物源间建立最短路径的着名试验的启发，学者Marco Dorigo首先开创性地提出了着名的蚁群最优化算法，此后群智能理论研究迅速展开。由于群智能理论在生产计划与调度、商业运作、金融管理、电子技术、通讯、自动控制、光学、生物学等许多领域中具有巨大的应用潜力及发展前景，已经引起国内外学者的广泛关注，从而成为近期计算机、运筹学和智能控制等领域研究中的热点及前沿。 现有的受蚂蚁种群行为启发而产生的优化算法，大多都是基于随机搜索机制的非确定性的概率理论发展而来的。但是近年来生物学家Cole发现整个蚁群行为是一种周期行为，然而单个蚂蚁的行为却是混沌行为。蚁群显然是具有智能的团队，这个团队在不断地协作完成一个又一个任务，我们认为种群周期行为的产生正是蚂蚁由独自作业到自组织起来协作完成一个又一个任务的过程。从动力学的角度来说，显然单个蚂蚁的混沌行为和种群强大的自组织能力之间必然存在着某种内在的关系。这种关系是蚁群对周围生存环境适应性的一种自然选择，这些行为有利于蚂蚁的生存。然而混沌现象用Marco Dorigo依据概率理论建立的蚁群优化模型是无法解释的。单个蚂蚁的混沌行为与群体的自组织和蚁群捕食以及最短路径的建立之间是一种什么关系，这一点目前并没有引起国际群智能理论研究者广泛的关注。 本文从全新的角度分析了蚂蚁外出捕食、在巢和食物源之间建立最短路径的过程。我们通过构造一个“巢—食物源—巢”之间的映射关系，
于君彩[10]2007年在《飞行数据处理与气动参数辨识》文中提出论文研究了利用参数辨识方法确定飞机纵向运动模型参数的问题，在分析飞机特性的基础上选取了飞机纵向小扰动线性运动状态方程和纵向非线性运动方程作为辨识的模型，以某型飞机飞行试验实测数据为例对其进行数据预处理之后辨识了模型中的气动参数。并针对辨识结果和辨识过程中发现的问题进行了讨论和分析。论文所做的工作主要有以下几个方面： 1．根据实测数据的特点和参数辨识的需要，识别、剔除并补正了数据中的野值，设计了一个低通滤波器滤除数据中的高频噪声，用提出的叁阶正交多项式移动平滑算法对数据进行了微分平滑，该算法避免了一般多项式最小二乘平滑时采用矩阵求逆的方法解正则方程时容易出现的方程病态问题。 2．对不同的模型采用了不同的辨识方法，首先采用含有遗忘因子的递推最小二乘法对飞机纵向非线性模型的子系统进行了气动参数辨识；辨识飞机纵向状态方程时应用了适用于大多数模型的极大似然法；然后对飞机纵向非线性模型的参数辨识采用了极大似然法和增广的广义卡尔曼滤波法，针对应用这两种方法辨识模型参数过程中发现的计算效率和辨识精度之间的矛盾，本文给出了增广的拟线性最优平滑滤波算法，在计算量增加不大(与增广的广义卡尔曼滤波法相比)的情况下，辨识精度有了明显的提高。最后应用本文提出的基于遗传算法的参数辨识组合方法对上述叁种算法的辨识结果进行了组合优化，得到了比较理想的辨识结果。 3．为了能够快速、准确的得到辨识结果，同时降低对用户专业水平的要求，把数据预处理和参数辨识两部分内容编制成了软件包。
参考文献：
[1]. 基于键合图模型的复杂机电系统故障诊断方法研究[D]. 黄磊. 西北工业大学. 2015
[2]. 连续动力学系统参数模型辨识及工业试验[D]. 贺尚红. 中南大学. 2002
[3]. 水电机组控制系统辨识及故障诊断研究[D]. 李超顺. 华中科技大学. 2010
[4]. 连续Hammerstein模型直接辨识方法研究[D]. 赵天林. 长沙理工大学. 2011
[5]. 连续系统模型参数直接辨识调制函数法中若干技术问题研究[D]. 韩艳艳. 长沙理工大学. 2010
[6]. 水轮发电机及其调速系统的参数辨识方法与控制策略研究[D]. 寇攀高. 华中科技大学. 2012
[7]. 飞行器气动参数辨识与组合优化[D]. 赵磊. 哈尔滨工业大学. 2008
[8]. 基于广义预测控制的汽车多模型混合低速控制[D]. 黄魏. 重庆邮电大学. 2017
[9]. 一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究[D]. 李丽香. 北京邮电大学. 2006
[10]. 飞行数据处理与气动参数辨识[D]. 于君彩. 西北工业大学. 2007
标签：机械工业论文; 故障诊断论文; 系统辨识论文; 动力学论文; 线性系统论文; 调制信号论文; 水轮机论文; 非线性论文;