简介:在原有研究的基础上,针对实验数据观测点疏密分布均匀或不均匀的工程实际情况,分别运用全局准则和局部准则,研究最小概率DWO非线性辨识方法中的带宽选择关键问题,提出了校正AIC准则和LCV准则两种不同的带宽选择方法,并将这些方法应用于四频差动激光陀螺的温度误差模型辨识中,比较和验证了这些方法的正确性和适应性。研究结果表明:①对于"分布均匀"的情况,宜采用校正AIC准则;②对于"分布不均匀"的情况,宜采用LCV准则;③形成了自动带宽选择算法。总之,这些方法为解决"带宽选择"问题提供了有效途径,从而进一步提高了最小概率DWO方法的工程应用价值。
简介:为减小温度对导航精度的影响,实现系统级的温度补偿,在实验中采用静态条件下的标定方法;基于激光陀螺捷联惯性系统的误差模型方程,用广义逆算法顺利分离求得陀螺各零偏及标度因数值;根据以往温度误差模型的结构特点,运用渐近辨识方法(ASYM)中的最终输出误差准则(FOE)对温度误差模型中非线性部分的阶次进行准确的计算,确定了合理的温度误差模型结构。为了解决用最小二乘法辨识模型结构的系数时,信息矩阵求逆容易溢出的问题,采用了自适应的岭估计算法确定陀螺零偏温度误差模型的系数,实现了系统级的温度误差建模。所得到的温度误差模型补偿效果比定阶前明显提高。
简介:研究了Hammerstein模型的辨识问题,并考虑了多输入多输出(MIMO)情况.提出一种混合神经网络辨识模型,该模型由一个多层前馈神经网络(MFNN)与一个线性神经网络(LNN)串联而成.给出了一个反向传播(BP)算法同步训练该混合神经网络的权值和阈值.仿真结果表明了该方法的有效性.
简介:摘要:锂电池内部工作是一个复杂的化学反应,本课题对锂电池进行参数辨识和建立等效模型,在Thevenin模型基础上增加了一组代表电池极化反应过程的RC回路,该模型能够更好地表征锂电池在充放电过程中的动态性。二阶RC模型与其他等效模型相比能够更为精确的表征锂电池的动态响应特性,与高阶模型相比在精确度上没有明显差异,但辨识参数较少,运算量也较小,是该模型的优点。针对锂电池参数辨识,进行HPPC测试。根据辨识数据建立的模型,仿真结果与实验数据的误差小于6.2%,使其更逼近电池的物理特性为电池建模提供参考,说明模型有效且易用。
简介:大跨度空间结构具有杆件众多、高次超静定、温度效应复杂等特点,为研究日照下空间结构的温度效应大小,设计制作了等边三角形平板网架模型进行温度试验。以实测数据为依据,研究网架模型温度与应力的关系以及温度变化所产生的温度应力、变形大小。结果表明,日照下网架模型温度与温度应力相关性明显,网架下弦温度应力最大,最大轴向应力可达64.2MPa,最大弯曲应力可达15.85MPa;上弦温度应力最小,最大轴向应力只有18.8MPa;网架下弦靠近支座节点变形最大,最大值可达0.5mm。该研究可为空间结构非均匀温度场数值模拟方法的准确性验证提供标准、可靠的模型依据。
简介:摘要:以保证半导体激光器的安全稳定运行为目标,提出基于参数辨识的半导体激光器温度自动控制方法。通过分析温度对半导体激光器的影响及温度控制原理,设计半导体激光器温度控制系统,在该系统支持下利用半导体激光器温度控制数学模型描述其一阶纯滞后性,根据半导体激光器的热传递性获取半导体激光器的离散运行数据,建立半导体激光器参数辨识模型,确定其最佳预估量,并将其输入到PID中,利用遗传算法对PID参数进行实时调节,以满足半导体激光器温度变化量对PID参数的自整定需求,实现半导体激光器温度自动控制的目标。实验结果表明,该方法可实现半导体激光器温度的快速控制,能够快速达到预期温度,温度波动范围在0.02℃以内,温度控制后的半导体激光器发光光谱波形平稳,能够保证半导体激光器的安全稳定运行。
简介:对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明:该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。