基于Hartley调制函数的线性连续系统参数模型辨识

借助于Hartley变换及Hartley调制函数微分性质,建立了参数模型直接估计的最小二乘算法.通过数字仿真分别辨识了一个二阶系统和四阶系统,研究了频率指数m和调制函数阶次n对辨识精度的影响.辨识结果表明:该方法简单实用,对噪声具有较强的抑制能力.     

随机状态模型参数辨识的多步算法

基于解耦辨识和多步计算思想,本文提出了一种状态空间模型参数辨识的多步算法.计算法包括二步加权最小二乘法、一步输出信息序列的修正和一步自适应 Kalman滤波过程,具有全局收敛且对待辨识参数初始估值设置不敏感等特点.仿真结果表明,在受控系统承受测量噪声和过程噪声的情况下,该算法对线性状态空间模型的参数辨识是十分有效的.     

基于改进遗传算法的单元机组非线性模型参数辨识

针对火电厂单元机组的特点及遗传算法工具箱在辨识多变量、非线性系统参数中存在的早熟、收敛速度慢等问题,对遗传算法工具箱进行了改进,以单元机组非线性动态模型为研究对象,提出了基于改进遗传算法工具箱的参数辨识方法．根据托电600MW机组的阶跃扰动试验数据,辨识得到了单元机组非线性动态模型的参数．结果表明改进遗传算法工具箱对单元机组非线性模型参数辨识具有良好的适应性,辨识得到的模型是有效可靠的．     

基于小波神经网络的船舶动力装置模型的建立

以CODAD主推进系统为例.建立了在Matlab7.O/Simulink6.O环境下的仿真模型.采用分布式参数建模的方法.根据参数间的相关性,建立分离的参数预测模型,然后把所有的参数模型联合起来,得到完整的主推进装置模型.采集了实船航行数据,经过小波去噪后作为模型辨识的试验数据.利用小波神经网络对主推进装置仿真模型中的主机转速进行了预测.仿真结果表明.采用小波神经网络进行模型辨识,可获得较好的效果.     

工业时窗小波降噪调制连续线性动力学系统参数直接辨识

在时窗内对噪声干扰的信号进行小波降噪,对降噪数据调制积分得等价的代数方程,利用最小二乘算法,进行线性动力学系统参数的直接估计．针对受噪声污染的系统参数估计的有偏性,借助时窗降噪调制方法构造辅助变量,提出了降噪调制辅助变量递推算法,进行了系统参数的无偏估计．仿真实验和应用实例表明,该方法具有有效性和实用性,可为工业在线辨识获得可信的系统参数提供参考．     

高速列车纵向动力学模型时变参数在线辨识方法

针对高速列车纵向动力学特性,分析了牵引力、制动力、阻力与速度和加速度的关系;考虑了天气和线路对高速列车运行状态造成的随机干扰,以及机械磨损和运行环境对列车模型结构参数造成的随机影响,建立了噪声干扰下的高速列车纵向动力学参数化状态空间模型,利用期望极大化准则,计算了列车模型参数的条件数学期望,并结合粒子滤波理论估计了参数粒子下的列车状态;基于贝叶斯后验概率理论,建立了高速列车非线性动力学模型的时变参数辨识方法,估计了列车的实时状态,并在噪声与参数分布均属于高斯分布、噪声属于高斯分布与参数属于指数分布、噪声属于伽玛分布与参数属于高斯分布的3种工况下,进行了蒙特卡洛仿真试验。仿真结果表明:在3种工况下,高速列车位移和速度的估计值与真实值的相对误差小于5%,列车模型参数估计值与真实值的相对误差小于10%,满足实际系统需求,因此,在高斯或伽玛噪声的干扰下,针对给定概率分布的时变参数,本方法均能实现系统状态的估计和模型参数的辨识。     

基于FFRLS算法的电池模型

建立二阶Thevenin等效电路电池模型。以最小二乘法(recursive least squares,RLS)为基础,对电池模型进行参数辨识,模型迭代过程中电路端电压的估计误差随数据的微小变化而陡然增大。引入遗忘因子,采用遗忘因子最小二乘法(forgetting factor recursive least squares,FFRLS)进行参数辨识,以削弱迭代中旧数据对参数的影响,增强新数据对参数的影响,结果使收敛速度提高、误差波动减小。经验证,运用该方法进行参数辨识的电池模型具有良好的精度。     

扩展卡尔曼滤波法在12相发电机定子参数辨识中的应用

利用新型电源12相发电机精确的数学模型,得到其离散状态空间方程,在此基础上,应用扩展卡尔曼滤波算法首次实现了其定子参数辨识.利用PSCAD和MATLAB软件分别实现了电机的仿真与辨识;辨识程序分无噪声和有噪声2种情况,且2种情况辨识结果误差均控制在9%以内,证明了此方法的有效性.     

受电弓等效模型参数识别及动态性能测试

为了得到合理的受电弓等效模型和参数,将受电弓结构等效为2质量块和3质量块模型,通过实验方法,对其质量、刚度和阻尼进行识别,得到了不同等效模型的力学参数.基于测得的等效参数建立受电弓数学模型,进行弓网动力学仿真计算,并将计算得到的接触力结果与利用弓网混合模拟试验台测得的实验数据进行对比.结果表明:对于2质量块和3质量块模型,最大和最小接触力的最大偏差分别为36.95、20.84 N和23.97、12.02 N,该测试方法可以用于受电弓等效模型参数的辨识.     

基于云模型的改进粒子群PMSM参数辨识算法

针对永磁同步电机传统参数辨识方法存在的缺陷,提出了一种基于云模型的改进粒子群参数辨识算法.该算法首先采用高频电压注入法建立高频电压方程,通过滤波处理获取高低频信号构建四阶满秩实时电机辨识模型;将云模型理论与粒子群算法相结合,采用正态云发生器对粒子进化变异操作建模,实现了自适应动态调节粒子的搜索范围,有效克服早熟收敛,保证了辨识参数为全局最优解.实验表明该辨识方法寻优能力强,搜索精度高,稳定性好,具有良好的动态性能.     

基于轻量级模型的隧道岩性快速识别方法

为了解决隧道岩性现有识别方法中识别时间长、安全性低、主观性大等问题,结合不同岩性表面具有不同的成分特征,提出了一种基于轻量级模型与岩石图像的隧道岩性快速识别方法. 首先,通过相机采集隧道常见的片麻岩、花岗岩、石灰岩、大理岩、凝灰岩、砂岩等6类主要岩石,建立了岩石图像数据集并划分训练集、验证集与测试集;然后,基于轻量级模型MobileNet V2在ImageNet数据集上进行预训练,改进模型分类器结构以适应岩石数据集,并采用模型迁移学习训练方法对1170张训练集图像进行训练,获取了岩石岩性识别模型;最后,选取共计300张测试集图像在离线条件下进行了模型测试,并与VGG16模型与SVM （support vector machine）模型进行了对比. 实验结果表明:模型在测试数据集上的各项总体评估指标均在85%以上,其中凝灰岩各项评价指标达到94%以上,模型大小仅28.3 MB,平均识别时间为2880 ms,表明该识别模型体积小,识别准确率高,识别时间快,在精确率与识别速度上均优于传统方法.      

桥梁结构非线性模型修正研究综述

针对桥梁服役期间由于结构力学性能减弱从而表现出具有时变特征的非线性振动问题,在回顾非线性模型修正发展的基础上,分别从非线性系统识别、非线性模型修正方法和非线性模型不确定性量化3个方面入手,总结了结构非线性模型修正技术中存在的一些关键问题;结合复杂结构损伤识别、性能评估与安全监测等内容,对其在桥梁结构中的应用展开了讨论。研究结果表明:以固有频率和模态振型为代表的响应特征量仅能反映时不变结构的物理特性,对于非线性结构而言其力学性能随外激励作用而不断变化,基于线性系统特征量的模型修正方法不能很好地适用于具有明显时变特性的非线性结构;结构动力响应主分量的瞬时频率和瞬时幅值包含了振动响应信号的相位信息和幅值信息,可以较为全面地反映动力荷载作用下结构响应的非平稳特性,选择具有时变特性的瞬时特征量来构建目标函数能够更为合理地表征非线性结构的动力特性;不确定性模型修正方法通过综合利用实测响应数据,考虑了测量噪声、模型误差和数值计算方法等不确定因素的影响,提高了模型修正结果的准确性;复杂结构非线性模型修正过程中涉及的参数众多,计算量大,极大地限制了其在实际工程结构中的应用,因此,合理选择具有代表性的非线性模型参数以及提高模型修正的计算效率是当前亟需解决的问题。      

轨道交通轮轨噪声预测模型

为了准确预测轮轨噪声,在分析轮轨噪声产生机理的基础上,运用车辆一轨道耦合动力学理论、噪声辐射与传播理论,建立了轮轨噪声预测模型。在模型中,车轮采用LOVE圆环模型,钢轨采用Timoshenko梁模型,轮轨接触采用Hertz非线性弹性接触。模型计算结果与国际知名软件TWINS的仿真结果比较表明,各轮轨部件的噪声峰值频率不尽相同,但对总噪声贡献的主要频率范围是一致的;模型声级频谱计算值与秦沈客运专线高速行车试验的现场实测值比较吻合,且变化趋势一致。由此说明轮轨噪声预测模型是可行的,可用于铁路轮轨噪声的预测与评价。     

一种新的时域动态载荷识别方法

为了准确地识别未知载荷和降低测量噪声对识别结果的影响,基于动态规划方法和Bellman最优化原理,提出了新的时域动态载荷识别方法.从系统的状态空间方程出发,利用最小二乘法建立了系统响应的实际测量值与识别值之间的目标函数,同时引入Newmark积分,得到了基于系统位移、速度和加速度响应的系统离散运动方程;将动态规划方法和Bellman最优化原理应用于目标函数的最小化,推导了动态优化载荷识别公式.通过数值算例对文中方法进行了验证,结果表明:该方法对动态载荷识别适应性强,在测量响应含有10%噪声干扰下,误差均低于25%.      

基于自然驾驶跟车数据的驾驶人差异性分析与辨识

为研究跟车工况下个体驾驶行为特性及其辨识,以驾驶人自然驾驶数据为基础,通过统计分析,频域分析及时频分析,多尺度对比驾驶人加速度、碰撞时间倒数、跟车时距等跟车轨迹特征参数分布的差异性;利用统计方法和离散小波变换提取能够表征驾驶人跟车习性差异的特征参数,分析不同参数输入结果,确定最优参数组合,建立基于随机森林的驾驶人差异性...     

基于ICEEMDAN的连续梁桥车致振动信号的HHT分析

改进的带有自适应噪声的完备集合经验模式分解（improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN）是传统经验模式分解（empirical mode decomposition,EMD）方法的发展,在桥梁结构损伤识别领域具有较好的应用前景. 首先,以数值模拟信号为对象,采用ICEEMDAN方法进行桥梁车致动信号的数据分解和Hilbert谱分析,提取损伤引起的频谱特征变化和建立损伤识别方法;然后,利用该方法对实测振动信号的振型分量进行识别;最后,以实测信号的一阶振型分量为对象,对其Hilbert瞬时频率谱的特征进行了分析和讨论. 研究结果表明:模拟信号中的振型振动分量数比实测信号中多,其中模拟信号中不显著的高阶竖弯振动分量在实测信号中没有发现; 一阶振型振动分量的瞬时频率可作为桥梁损伤识别的特征参数,用于进行损伤有无、损伤定位甚至损伤定量的判断; 损伤识别效果受测点位置影响很小; 该方法不依赖有限元模型即可完成桥梁损伤有无的识别和损伤定位,且数据采集简单,具有实际工程中应用可行性.      

基于DBNs的车辆悬架减振器异响鉴别方法

针对人工经验提取特征进行减振器异响鉴别的复杂性与不可扩展性的问题,分析了深度信念网络(deep belief networks,DBNs)在减振器异响鉴别中的应用,并结合减振器整车与台架试验提出了完整的减振器异响鉴别流程.该方法只需将收集到的减振器活塞杆顶端振动加速度信号作为输入,经过DBNs模型逐层特征学习便可进行减振器异响鉴别.同时将鉴别结果与经典的BP神经网络、支持向量机以及传统的3种人工特征提取方法进行对比分析.结果表明:在输入仅为原始信号的条件下,深度信念网络模型对减振器异响鉴别的准确率为96.7%,表明了深度信念网络在减振器异响甄别中的优越性,具有广泛的工程应用前景.      

基于半监督哈希算法的交叉口交通状态识别

准确辨识交叉口交通状态是实施有效交通控制策略的前提. 传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别,存在只能从单一角度刻画交叉口交通需求的问题. 对此,提出基于半监督哈希算法的交叉口交通状态识别方法. 从原始数据丰富特征入手,构建交叉口有效检测区域的图像化模型;将交叉口交通状态识别转化为图像搜索问题,利用监督哈希算法实现基于部分标签信息的图像搜索,进而得到交叉口的交通状态;最后,利用仿真对该方法进行了验证. 结果表明,所提方法在识别精度和速度上具有可行性和有效性.     

基于模糊识别的道路交通噪声时空综合评价

鉴于目前道路交通噪声评价中存在的同题,提出了一种结合级别特征值法的道路交通噪声综合评价模糊识别模型.运用该模型对吉林省的实证研究表明;吉林省道路交通噪声污染在时间维上呈明显的下降趋势,综合污染级别特征值由1991年的3.83下降到2006年的2.03,但部分地区下降不明显甚至有所上升;在空间维上各地噪声污染的区域差异较大,其中地区问差异是区域问总体差异的主体.而在地区内部差异中,噪声污染严重地区是造成地区内部差异的主体.