一、非线性连续系统数学模型的辨识法（论文文献综述）
邱棚[1]（2019）在《压缩感知测量辨识算法研究》文中指出近年来,随着空间科学技术的发展,空间材料实验对高温晶体炉的温度控制提出了更高的标准。为了提高控制算法精度,就需要借助系统辨识这个工具,通过分析被控对象的系统模型,设计出有针对性的控制算法。现如今,大多数的辨识算法都是以统计学为基础,通过分析输入输出数据之间的相关关系,从而估计出系统的内部模型。在这种思路下,就需要获得大量用于计算的统计数据,而且数据量越大所估计出的系统模型也就越接近真实系统。不过,这对于很多实际系统而言是很难实现的。本文将系统辨识从信号测量的角度来解决问题。鉴于任意系统均可以被表示为某种信号,所以对系统的辨识问题就可以为是对这个未知信号的测量问题。近年来,压缩感知理论提供了一个对信号进行测量的新框架,该理论将对信号测量的关注点从频域转向信号的信息量,从而突破了传统的采样定理的要求,极大地降低了对数据量的要求。本文正是利用了压缩感知理论来对系统模型进行测量,并且在此基础上提出了压缩测量辨识算法,以期利用尽可能少的测量数据获得准确、稳定、可靠的系统模型。首先,本文将压缩测量辨识算法应用于对线性时不变系统的辨识问题之中,并通过仿真证明了对线性时不变系统的欠采样测量是准确的,并且在测量噪声较大的情况下,仍然能够获得稳定的测量结果。但是,在对电机进行辨识的实验中发现通过均匀采样的方式会引入大量的测量噪声,使得测量精度大幅下降。为了解决该问题,本文修改了测量矩阵的形式,使得该算法可以利用非均匀的采样数据来对系统进行测量,并且实现了测量的超分辨。随后,本文将该算法推广到线性参变模型的辨识之中。从测量的角度来看,对时不变系统的测量就是对静态信号的测量,而对时变或者参变系统的测量就是对动态信号的测量。因而,本文借用测量动态信号的方法,实现了对线性参变模型的辨识。虽然,线性参变模型可以表示部分的非线性系统,但是其适用范围较窄。因而,本文结合Volterra级数展开的方法,拓宽了压缩测量辨识算法在非线性系统中的适用范围。此外,在利用多项式展开方法对非线性系统进行的辨识方法中,一个难以避免的就是“维数灾难”问题。而压缩感知定理恰恰可以适用于大规模稀疏信号的测量问题,这就使得压缩测量辨识算法可以测量得到更复杂的非线性系统模型,也就拓宽了算法的适用范围,并且提高了算法的准确性。
王云海[2]（2014）在《跨音速气动力辨识问题的研究》文中研究说明近年来随着计算流体力学（Computational fluid Dynamics,CFD）的发展,跨音速非定常气动力计算取得了很大进展。但是,应用到气弹设计时,却存在着计算量大、时间耗费惊人的缺憾。因此,非定常气动力辨识与模型降阶方法的研究备受关注,并持续发展成为热点和难点。本文以跨音速气动力辨识等问题为研究对象,其主要工作包括如下几个方面:（1）因为平均N-S方程的不封闭性,人们引入了湍流模型来封闭方程组,所以模拟结果的好坏很大程度上取决于湍流模型的准确度。本文从一类流场湍流模型的微分积分型方程出发,讨论其定解判定问题,获得了解的存在区间和个数。同时,基于具有时滞形式的跨音速非线性辨识气动力模型,提出一种可用于工程问题的稳定性分析方法,并针对二元机翼气动弹性系统,进行了稳定性分析。考察了一类具有双Hopf分岔现象的微分方程系统,基于Taken规范形矩阵理论,提出一种理论分析方法,给出了含双纯虚根高维系统如何求解最简规范形的新思路。算例表明,规范形理论非常适合于非线性系统的动稳定性问题的研究。（2）基于Volterra理论,讨论了带非线性参数的Riccati方程所描述的非线性电路系统核函数辨识问题。本文采用变量置换的方式,获得了该系统的解析核函数解,发现:非线性参数、外激励（单位脉冲信号的）幅值共同参与了核函数的构成。本文认为这是将无穷Volterra级数表征的非线性系统当成二阶Volterra系统造成的误差。更进一步,考察了三阶Volterra模型核函数辨识问题,推导出相应的计算公式,为下一步数值辨识奠定了基础。（3）在本课题组CFD程序基础上,开展了基于Euler方程的CFD程序验证、计算与辨识的工作。讨论了飞行器跨音速区内不同减缩频率运动状态下的气动力辨识问题,与经典的势流理论的结果进行了比较,增添了势流理论欠缺的部分实验结果。这是因为,当减缩频率快速增加到某一个阶段,势流理论无法准确预测翼面强激波效应带来的气动力变化。（4）经典的非参数辨识方法,辨识过程中需要CFD程序提供全部的数据结果,使得辨识过程时间耗费巨大,难以进行高阶辨识。本文提出一种参数化辨识方法,首次采用切比雪夫正交基函数簇将高阶核函数参数化,基于少量CFD计算结果,使用最小二乘法完成了待定参数的识别问题,减少了CFD运行总次数,缩短了计算时间至少1个数量级。（5）采用三阶Volterra模型进行了核函数辨识研究,有效解决了已有文献中采用二阶Volterra模型对不同幅值外激励的敏感问题,并通过算例表明,本文模型中的核函数辨识精度相对于已有结果得到了有效提升,并将成果应用于三维机翼的气动力建模中。
张志学[3]（2005）在《基于混杂系统理论的电力电子电路故障诊断》文中指出近年来,电力电子技术发展异常迅速,电力电子装置的市场不断扩大。电力电子技术已广泛应用于电力系统、家用电气、交通运输、通信工程、航空航天、商业和工业等诸多领域。而电力电子装置在这些系统中通常作为电源或电机驱动器,对系统的整体可靠性有极大的影响。随着人们对系统的安全性和可靠性的要求越来越高,故障诊断技术正愈来愈受到重视而成为研究热点之一。因此研究电力电子电路的故障诊断,有其理论意义和现实意义。 电力电子电路可以视为一个典型的混杂系统,因此可以利用混杂系统相关理论来研究其故障诊断。本文以混杂系统理论为基础,对电力电子电路进行了混杂系统建模、故障诊断、事件辨识以及小波分析等方面的深入研究。具体的研究内容主要包括以下五个方面: （1）建立电力电子电路的统一数学模型。 根据电力电子电路的混杂系统本质特性,建立了电力电子电路的统一混杂系统数学模型,在模型的基础上给出了电路的基本事件、控制变迁、条件变迁等基本概念,不同的电力电子电路反映到模型中,只是模型中子系统参数以及各个子系统之间离散事件的变迁规律不同。因此,可以利用该模型来讨论电力电子电路的通用故障诊断方法。 （2）提出电力电子电路的通用故障诊断机理。 在统一的混杂系统模型上分析了电力电子电路的基本工作机理和控制策略,指出电力电子电路结构性故障均表现为存在错误事件变迁,即电路的期望事件与实际事件的不相符合,因此通过实时辨识电路的实际事件,就可以确定电路的故障范围和故障类型,从而将电路的故障诊断转化为电路的事件辨识;这一故障诊断机理,能满足同时进行结构性故障诊断和参数性故障诊断的要求,以及通用性要求;利用这一故障诊断机理,分析得到了一些典型电力电子电路的具体事件变迁规律和故障诊断基本规律。 （3）实现电力电子电路拓扑辨识。 将电力电子电路进行等效,然后将传统电路拓扑分析方法应用于电力电子电路的拓扑分析;给出了电力电子电路的同流拓扑、同压拓扑、拓扑线性相关、拓扑向量及最简拓扑向量、独立回路等基本概念和电流变量拓扑线性相关判定、回路独立判定、最简拓扑向量选取等基本定理;利用电路中电流拓扑关联关系,给出了利用开关支路电流变量信息的电路事件辨识方法;而根据拓扑向量具有各不相同变化规律的特征,给出了应用电流变量和电压变量的变化规律信息的事件辨识方法;分析了这些辨识方法各自的使用范围,并利用这些方法,具体分析了一些典型电力电子电路的事件辨识。 （4）利用残差分析实现电路事件辨识。 分析并证明了用残差发生器来实现电力电子电路事件辨识的可行性,给出了这一残差发生器的基本设计要求和构建步骤;提出了利用残差发生器程序做电路事件辨识的计算优先级设计;为了提高残差发生器的鲁棒性,从频域和时域两方面分析了鲁棒残差发生器的基本原
李超顺[4]（2010）在《水电机组控制系统辨识及故障诊断研究》文中认为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。
李振[5]（2018）在《流程工业自适应降阶系统辨识方法研究》文中研究表明系统辨识是流程工业领域一个重要研究分支,受到国内外专家及学者的高度关注。辨识方法的有效性将直接影响系统模型精度,进而影响模型的应用效果。在真实流程工业环境下,通常使用指定阶次的模型进行辨识研究,由于系统模型阶次与实际对象阶次不匹配,造成获取精确数学模型比较困难。因此,较为准确的获取系统模型阶次具有较高的研究意义与应用价值。同时,随着计算机与信息技术的发展,各种智能求解算法层出不穷。其中,粒子群优化算法（Particle Swarm Optimization,PSO）是一种非常实用且具有较强全局寻优能力的智能优化算法,在系统辨识领域也得到了广泛应用并取得了较丰富的研究成果。所以,本文利用了粒子群优化算法,提出了自适应降阶系统辨识方法。通过理想环境与白噪声环境下的仿真实验分析,验证了该方法的有效性。本文具体研究工作如下:（1）流程工业系统辨识研究中,针对系统而言,通常只能获取系统的输入输出数据。然而,根据这些数据信息难以准确获取传递函数的模型阶次,进而影响数学模型的辨识。为解决模型阶次无法确定的问题,提出了基于PSO算法的自适应降阶系统辨识法。该方法将高阶模型假设为系统的初始模型,利用PSO算法更新粒子的速度和位移,迭代搜寻原始模型的参数。通过模型的高阶参数和适应度函数来综合判断是否执行自适应降阶辨识。然后,给出仿真案例来验证自适应降阶系统辨识法的有效性。（2）通常,在流程工业中,生产数据是含有白噪声的时间序列。首先,通过MATLAB仿真实验,人为模拟含有白噪声的单位阶跃响应,再采用带通滤波器对其进行滤波。然后,利用自适应降阶辨识法辨识滤波后的单位阶跃响应。最后,获取被控对象的数学模型。本节验证了在噪声干扰的情况下自适应降阶辨识法的可行性。（3）实现复杂被控对象的辨识与PID参数整定。首先,采用本文提出的辨识法辨识复杂的被控对象。然后,将辨识出来的被控对象融入典型的PID控制系统中,分析出系统的误差响应。最后,采用PSO算法迭代搜索全局最优解来获取PID参数。同时,与传统经验法获取的PID参数作比较,体现了改进的自适应降阶辨识法的优越性。
罗毅[6]（2001）在《火电机组热工控制系统的优化整定及其应用》文中研究说明火力发电机组在我国电力生产中承担着主要任务，火电厂的安全、稳定和高效运行是电力生产中需要研究解决的重要课题。火电机组正向大容量、高参数发展，要求系统具有更高的可靠性和自动化水平，这样就使得热工自动控制在大型火电机组中的地位也越来越重要，成为大机组安全、稳定和经济运行的可靠保证。 在工业过程控制中，PID控制算法以其鲁棒性较好、易于实现和被工程技术人员熟悉掌握等特点，至今仍被工业过程控制界所广泛采用，即使目前被广泛引进和使用的计算机分散控制系统也仍采用常规PID作为主要控制手段。 然而，PID控制器参数的选择或整定往往是一个十分繁琐和复杂的过程，特别是工业控制过程的现场实际整定一直是尚未很好解决的一个难题。这主要有以下几方面原因：一是在工业环境下，对被控过程难以进行精确的数学描述。由于工业噪声所表现出来的多样性，最小二乘类等参数辨识方法的应用受到很大的限制。在工程实际中，技术人员仍主要采用频域法或作图法求取对象的数学模型。二是现有的PID控制系统设计方法大多只考虑对低阶对象模型、单回路控制系统或一个PID控制器的设计和整定，而对于高阶对象模型、多回路或多个控制器的控制系统的整定往往十分复杂和繁锁，很难被工程技术人员掌握和使用。三是到目前为止，还没有作为现场工程技术人员实际使用的集现代控制系统设计方法与计算机技术为一体的控制系统实用整定装置，PID控制系统的现场实际整定仍主要采用工程设计法（如Ziegle-Nichols法）、经验法及试凑法等。这不仅要花费大量的投试和整定时间，并且很难获得最佳的控制效果。由于以上原因，相当一部分热工过程不能达到“压红线”运行，甚至无法长期投入自动运行。另外，由于机械磨损、环境工况变化的原因，控制系统的现场整定应是经常性的。因此，研究实用、有效的热工控制系统优化整定方法，是提高热工自动化水平和生产效率的迫切要求。 针对热工过程的特点，我们研制出MOTC（Multifunctional Optimization Instrument for Tuning Controllers）系统，对于提高调节器参数的整定精度，节省现场调试时间，提高系统自动投入率和控制质量，提高机组的安全性和经济性发挥着重要的作用，取得了显着效益，展现出良好的推广应用前景。 为了完善并扩充MOTC的功能，拓展应用成果，本文结合国家“863”高科技研究发展计划项目“先进控制策略在大型火电机组DCS中的应用及控制软件包的开发”及“大坝电厂3号机组AGC改造与实施”项目，以火电机组热工过程为研究对象，以实现控制系统的优化整定为目标，力图对解决PID控制器参数的整定这一难题进行一些探索工作。 本文主要完成了下述研究内容： 1．为了提高非线性优化方法收敛的速度和精度，提出了一种混合优化方法，它主要是把改进的单纯形法和Powell法结合使用。仿真实验和实际应用表明，采用这种混合优化方法进行模型的辨识、模型变换及控制器的优化整定，精度较高，还大大缩短了寻优时间。 2．提出了一种简单实用的模型降阶方法，并对算法进行了推导证明，有效解决了模型结构的问题。仿真分析表明了其准确性和有效性。 3．提出了一种模型参考自适应辨识方法。这种方法有两种方式，即非积分误差约束方式和积分误差约束方式。通过分析比较发现，具有积分误差约束方式的自适应辨识方法摘要对建模误差和干扰具有较强的鲁棒性，且有快速消除模型参数偏差和对过程参数的变化具有快速的跟踪能力。这是一种不需人为地加入扰动激励信号，只需利用火电机组正常调节运行状况，即可获得被控对象特性的实用方法。有效解决了模型结构、时滞及参数的辨识问题，在工程实际应用中具有重要意义。 4．采用面向对象的程序设计手段和先进的图形化的模块组态建模技术，开发出基于Windows环境的仿真平台，为热工控制系统的优化整定提供了一个集成环境，进一步拓宽了MOTC的应用范围。 5．研究了综合误差目标函数建立方法，提出了参数限值法和工程指标法等实用的常规PID控制器参数整定方法。 6．基于控制系统仿真平台，开发了控制系统的性能分析功能，即频域分析法和时域分析法，为系统的运行分析评价提供了一个有效的手段。 7．分析了实现微机和分散控制系统间通信途径，设计出微机与oFI—90分散系统的通信接口。使MOTC数据采集的“软接线”方式成为可能，提高了MOTC的便利性。
张蓓[7]（2020）在《基于LabVIEW的系统辨识与内模控制方法研究及应用》文中提出现代社会的不断发展促进了工业技术的提高,智能化的控制应用到了人类生活所涉及到的各个工业领域,这些工业过程对象具有大滞后、多变量、强耦合、不确定性等特征,如何对于这种系统进行有效的控制是能否提高生产效益的关键,从而达到节约资源,节省工业成本的目的。本课题基于此背景下,研究了内模控制的方法应用,此方法是基于对象模型的,因此研究了低阶模型辨识的方法,开发了模型辨识与内模控制的软件系统。本文研究了对于低阶时滞系统的模型辨识问题,根据输入信号的不同,对于基于阶跃响应的系统辨识方法有传统的非参数辨识法如两点法、切线法,参数辨识法有基于积分法辨识一阶滞后系统、基于最小二乘法辨识二阶系统以及n阶系统的直接辨识法;另外对于基于输入信号是伪随机序列的离散模型辨识采用了递推最小二乘法;并对于以上的方法进行了模拟仿真分析;此外基于LabVIEW软件开发了辨识系统,自主编写了滤波、辨识、模型评价的程序,封装成动态链接库,在此平台进行进一步的开发,并设计了人工操作界面,使得此辨识方法具有了实际工程效用性。研究了内模控制器（IMC）的基本结构以及设计原理,分别对于连续和离散的控制对象的内模控制器进行设计,以及进行连续传递函数转化为离散传递函数的公式推导。对于一阶、二阶系统给出了具体的控制算法实现,分析了内模控制的主要参数对于系统性能的影响,并做了仿真分析;最后设计了基于LabVIEW平台的内模控制软件,自主编写控制程序并进行封装,在此平台上进行再次开发,设计了控制操作界面,使得控制更为方便简单,并开发了仿真系统可以实时验证控制算法的效果。以锅炉燃烧系统的主蒸汽回路和3D打印机温度控制系统为对象,应用以上开发的系统辨识与控制软件对于该系统进行了模型辨识,辨识结果较精确的拟合真实采样输出数据,并对系统应用内模控制,将控制效果与传统PID控制进行比较,结果表明内模控制响应速度快,便于程序实现,并且其可调节参数只有一个,易于调节,可以解决模型失配的问题,鲁棒性更强,稳定性也更好。
钮一浩[8]（2019）在《伺服驱动系统的转动惯量在线辨识方法研究》文中进行了进一步梳理随着伺服驱动系统越来越广泛应用于工业自动化、航空航天、关节机械臂等行业和产品,人们对伺服驱动系统的性能提出了更高的要求。由于伺服驱动系统的负载转动惯量决定了伺服系统动态性能的好坏,所以为了提高伺服驱动系统的动态性能,需要对伺服驱动系统进行准确的参数辨识,将负载的惯性力作为反馈信号,使得伺服驱动系统的性能得以提升。本文以永磁同步伺服的驱动系统为辨识模型,运用带有指数遗忘的加权最小二乘法和模型参考自适应算法（以下简称MRAS算法）,分别在不同输入的激励下,对永磁同步电机的转动惯量进行辨识。本文对永磁同步电机及伺服驱动系统进行了参数化,确定了伺服驱动系统和永磁同步电机的数学模型,推导出了用于进行参数辨识的公式。介绍了基于Simulink的仿真平台,通过上述推导出的伺服驱动系统及永磁同步电机的数学模型搭建了一个可以用于转动惯量辨识的仿真平台,并验证了其可用性。对辨识算法进行了分析和推导,推导出了带有指数遗忘的加权最小二乘法和MRAS算法的递推公式,并通过仿真平台对上述参数辨识算法进行了仿真实验,验证该算法的可行性。搭建了基于EtherCAT协议的实验平台,使用TwinCAT与Simulink进行交互的方式对转动惯量进行辨识。最后在试验台上进行了伺服驱动系统的转动惯量辨识实验,通过不同输入下空载及加装负载时,分别使用采用带有指数遗忘的加权最小二乘法和MRAS算法进行伺服驱动系统转动惯量辨识实验,试验结果表明有指数遗忘的加权最小二乘法的辨识结果较好,且收敛速度较快,适用性更广,且能辨识更多参数。
袁晓磊[9]（2010）在《基于遗传编程的系统辨识研究》文中认为现代控制对象越来越复杂,为了有效地进行控制策略的实施和优化、过程监视及故障诊断、控制对象仿真等工作,建立被控对象的准确数学模型是非常必要的。系统辨识是从系统的输入、输出数据建立系统数学模型的理论和方法,是系统科学和现代控制理论的重要分支。在本文中,将一种先进的可持续进化模型——层次化公平竞争模型（Hierarchical Fair Competition,简称HFC）与遗传编程（Genetic Programming,简称GP）算法相结合,实现了对非线性复杂目标系统结构和参数的一体化高效、准确、辨识。论文的研究内容体现在以下四点：1.在对当前已有系统辨识方法研究、分析、总结的基础上,将GP算法与系统辨识问题结合,构造了基本（单种群）GP辨识算法,可应用于静态和动态系统辨识问题,实现对目标系统结构和参数的同步辨识,从而形成一种适用范围比较广泛、基于进化计算的系统辨识方法,比其它现有辨识算法有优越之处。2.对进化算法中的早熟收敛现象进行了深刻剖析,阐明了传统的单种群GP算法无法为复杂系统建立精确数学模型的局限性。对当前各种抗早熟收敛技术进行了比较全面的回顾,分析了各种方法的机理及局限性。在基本的单种群GP算法的基础上,构造了两种抗早熟收敛的并行多种群GP算法：基于ISLAND模型的多种群GP算法（简称ISLAND GP）和HFC GP算法,可应用于复杂的随机非线性系统辨识。3.对各类系统模型实例进行了辨识。使用基本单种群GP算法对两个静态（波纹函数、二次多项式）模型进行了辨识；使用基本单种群GP、ISLAND GP、HFC GP三种算法对五个基于ARX/ARMAX/NARX/NARMAX的动态模型进行了辨识,并对结果进行了分析比较。4.对三种GP算法的效能进行了比较,证明HFC GP算法具有最好的抗早熟收敛和可持续进化能力,算法的运行效率也很高,是一种适合于复杂非线性系统辨识的优秀算法。
孙冬[10]（2016）在《锂离子电池梯次利用关键技术研究》文中研究表明从电动汽车中退役下来的锂离子电池（简称锂电池）仍有一定的使用价值,在锂电池外观完好、没有破损、各功能元件有效的情况下对退役锂电池进行梯次利用,可降低锂电池使用成本,有利于节能减排。退役锂电池处于离线状态且单体电池之间存在性能差异,需对其性能重新评估并判别其适用的梯度范围。本文研究了在特定的测试条件和测试状态下,制定合理评价锂电池性能的测试工况,在有限的测试时间内完成基于锂电池健康状态的性能评估,并形成一种适用于锂电池梯次利用评价方法。主要的研究内容如下:1.在分析锂电池工作特性的基础上,搭建了锂电池测试系统,并进行了锂电池基本性能测试实验。通过对比分析多种等效电路模型的拓扑结构,选用适合动力锂电池的工作模型。针对所选RC等效电路模型,研究了基于混合脉冲功率特性测试（HPPC）的锂电池模型参数离线辨识方法,实验验证了所建模型的有效性。深入研究了所使用电池测试设备的检测误差对锂电池数学建模和状态估计的影响,并定量地分析这些不确定性误差给锂电池内阻测试带来的影响。2.因锂电池实际工作状态受多种因素影响,研究了锂电池在线建模的方法,针对在线建模过程中出现数据饱和、动态运行工况适应性、有色噪声等问题,提出采用变遗忘因子最小二乘法和偏差补偿最小二乘法进行模型参数在线辨识,根据实验数据分析了两种自适应辨识算法的有效性和可靠性。在研究开路电压（OCV）测试方法的基础上,总结了长时间静置法、小电流充放电法和恒流充放电间歇法三种常用OCV测试法,设计了八种典型的OCV测试实验并获取相应OCV曲线,通过对比不同OCV曲线的建模性能,选取建模性能相当、耗时较少、可实现性较好的恒流充放电间歇法作为最优OCV测试法。3.针对卡尔曼滤波法存在多步矩阵运算过程、算法设计复杂等问题,提出了基于离散滑模观测器（DSMO）的荷电状态（SOC）估计法,给出了一阶、二阶DSMO算法及其稳定性证明,分析了RC等效电路模型可观测性问题。仿真实验验证了扩展卡尔曼滤波（EKF）、一阶DSMO和二阶DSMO三种估计法的有效性,实验证明了二阶DSMO估计法具有较好鲁棒性和较高估计精度,且减小了因锂电池参数波动引起的抖振,在所搭建的锂电池组测试实验平台上验证了DSMO算法的执行时间比EFK算法减少一半以上。4.研究了常用锂电池健康因子测试与健康特征提取方法,以内阻健康因子为研究对象设计了基于单体电池的健康寿命实验计划。根据实验测试数据,构建了均值内阻、最小内阻和内阻-SOC曲线健康因子,获取了相关健康特征数据,建立了基于三种健康因子的健康寿命模型,仿真实验验证了健康寿命模型的有效性。5.根据实际工程中不同情况和相关问题,分析了梯次利用锂电池工作特性,在考虑受限测试时间、重要数据缺失、放电时间等问题的基础上,设计了适用于梯次利用锂电池性能测试工况,研究了锂电池模型参数在线辨识方法和健康特征提取方法。针对线性近似寿命模型、锂电池单体差异等问题,提出了基于多健康寿命模型数据融合技术的健康状态决策方法,选用BP网络作为数据融合决策算法,仿真实验验证了此方法有效性和可靠性。基于SOC健康寿命模型提出了一种适用于梯次利用锂电池的SOC估计方法,并形成了一种梯次利用锂电池性能评价方法。6.研制和搭建了梯次利用锂电池组测试实验平台,设计了实验平台硬件电路并进行了系统软硬件调试,基于此实验平台验证了所设计SOC估计算法、锂电池性能测试工况和评价方法的可行性。
二、非线性连续系统数学模型的辨识法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、非线性连续系统数学模型的辨识法（论文提纲范文）
（1）压缩感知测量辨识算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 系统辨识的发展历史及现状 |
| 1.3 本文研究工作 |
| 1.4 本文组织结构 |
| 第2章 压缩感知理论 |
| 2.1 线性测量 |
| 2.2 测量恢复准则 |
| 2.3 信号恢复算法 |
| 2.3.1 l_0最小化重建算法 |
| 2.3.2 l_1最小化重建算法 |
| 2.3.3 TV范数重建算法 |
| 第3章 线性时不变系统的压缩测量辨识算法研究 |
| 3.2 引言 |
| 3.3 压缩测量辨识算法 |
| 3.3.1 被测对象 |
| 3.3.2 测量工具 |
| 3.3.3 测量过程 |
| 3.3.4 非稀疏对象的稀疏化 |
| 3.4 ARX模型与IRS模型的关系 |
| 3.5 辨识仿真 |
| 3.6 电机测量实验 |
| 3.7 结论 |
| 第4章 非均匀采样系统的压缩测量辨识算法研究 |
| 4.2 引言 |
| 4.3 采样准则 |
| 4.4 非均匀压缩测量辨识算法 |
| 4.4.1 测量对象 |
| 4.4.2 非均匀测量 |
| 4.4.3 恢复算法 |
| 4.5 非均匀采样辨识仿真实验 |
| 4.6 直流电机辨识实验 |
| 4.7 结论 |
| 第5章 线性参变系统的压缩测量辨识算法研究 |
| 5.2 引言 |
| 5.3 LPV模型 |
| 5.4 动态压缩测量辨识算法 |
| 5.5 仿真试验 |
| 5.5.1 线性变化对象 |
| 5.5.2 非线性变化对象 |
| 5.6 结论 |
| 第6章 基于Volterra级数的非线性压缩测量辨识算法 |
| 6.2 引言 |
| 6.3 多项式级数展开 |
| 6.3.1 Volterra级数 |
| 6.3.2 Taylor级数 |
| 6.4 非线性压缩测量辨识 |
| 6.5 仿真 |
| 6.6 结论 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）跨音速气动力辨识问题的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 缩写 |
| 第一章 绪论 |
| 1.1 跨音速非线性系统概述 |
| 1.1.1 跨音速气动力模型、辨识与验证 |
| 1.1.2 系统定性分析理论与方法 |
| 1.2 基于CFD技术的气动力辨识技术 |
| 1.2.1 系统辨识发展概况 |
| 1.2.2 CFD技术发展概况 |
| 1.2.3 飞行器气动参数辨识、非参数辨识 |
| 1.2.4 气动力辨识与模型降阶技术 |
| 1.3 基于Volterra理论的辨识 |
| 1.3.1 Volterra理论 |
| 1.3.2 Volterra模型与核函数辨识 |
| 1.4 本文的研究内容与安排 |
| 第二章 跨音速气动力建模与辨识基础 |
| 2.1 引言 |
| 2.2 常见的数学模型及其表达形式 |
| 2.2.1 连续系统的线性微分方程模型 |
| 2.2.2 离散系统的差分方程模型 |
| 2.2.3 状态空间模型 |
| 2.3 常见的几种辨识方法 |
| 2.3.1 时域辨识法 |
| 2.3.2 频域辨识法 |
| 2.3.3 相关函数辨识法 |
| 2.3.4 阶跃响应辨识法 |
| 2.3.5 脉冲响应辨识法 |
| 2.4 最小二乘法基本原理 |
| 2.4.1 最小二乘法的推导 |
| 2.4.2 最小二乘法的特点及其几何解释 |
| 2.5 最小二乘法在气动力辨识中的应用 |
| 2.6 本章小结 |
| 第三章 二维气弹系统稳定性分析 |
| 3.1 引言 |
| 3.2 规范形理论 |
| 3.2.1 双Hopf分岔系统规范形研究 |
| 3.2.2 算例:最简规范形的实现 |
| 3.2.3 算例：模态组合参激共振系统的稳定性分析 |
| 3.3 湍流模型解的存在性研究 |
| 3.3.1 微分方程非局部问题的研究 |
| 3.3.2 主要结果 |
| 3.3.3 定理应用举例 |
| 3.4 二元机翼气弹模型稳定性分析 |
| 3.4.1 二元翼型的结构运动方程 |
| 3.4.2 跨音速降阶气动力的表达 |
| 3.4.3 跨音速时滞气动力的处理方法 |
| 3.5 本章小结 |
| 第四章 基于Volterra理论的辨识技术 |
| 4.1 引言 |
| 4.2 Volterra理论 |
| 4.3 低阶Volterra模型及核函数辨识 |
| 4.4 高阶Volterra模型及核函数辨识 |
| 4.5 本章小结 |
| 第五章 基于CFD技术的跨音速气动力辨识 |
| 5.1 引言 |
| 5.2 跨音速气动力特性与CFD计算 |
| 5.2.1 CFD程序的算例验证 |
| 5.3 跨音速阶跃响应辨识 |
| 5.4 算例分析 |
| 5.4.1 不同减缩频率条件下的CFD计算 |
| 5.4.2 跨音速阶跃响应辨识与CFD计算结果的对比分析 |
| 5.5 本章小结 |
| 第六章 跨音速气动力二阶核函数辨识 |
| 6.1 引言 |
| 6.2 脉冲响应辨识法的特点 |
| 6.3 切比雪夫多项式及其性质 |
| 6.4 切比雪夫正交基函数簇辨识方法 |
| 6.4.1 算例与分析（1） |
| 6.4.2 算例与分析（2） |
| 6.5 跨音速流场二维非定常气动力建模与辨识 |
| 6.5.1 基于Volterra理论的高阶降阶模型 |
| 6.5.2 基于切比雪夫参数化方法的二阶核函数辨识 |
| 6.5.3 基于Naca0012 翼型跨音速非定常气动力辨识之算例分析 |
| 6.6 三维机翼气动弹性系统的建模与辨识 |
| 6.6.1 引言 |
| 6.6.2 AGARD445.6 机翼模型 |
| 6.6.3 结构状态空间模型 |
| 6.6.4 气动力状态空间模型 |
| 6.6.5 基于欧拉方程的 CFD 计算 |
| 6.6.6 基于CFD技术的AGARD445.6 颤振计算 |
| 6.6.7 非定常气动力辨识 |
| 6.6.8 降阶核函数的构造 |
| 6.7 特征实现算法（ERA） |
| 6.8 气弹系统状态空间模型 |
| 6.9 本章总结 |
| 第七章 总结与展望 |
| 7.1 本文总结 |
| 7.2 进一步工作的展望 |
| 参考文献 |
| 致谢 |
| 在校期间发表的学术论文 |
（3）基于混杂系统理论的电力电子电路故障诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 电力电子电路故障诊断的意义和目的 |
| 1.2 电力电子电路故障诊断的研究现状 |
| 1.2.1 基于电力电子电路数学模型的故障诊断方法 |
| 1.2.2 不基于电力电子电路数学模型的故障诊断方法 |
| 1.3 混杂系统理论基本概要 |
| 1.3.1 混杂系统的基本概念与特征 |
| 1.3.2 混杂系统的主要研究内容 |
| 1.4 本论文的主要研究内容 |
| 1.4.1 本课题的研究目的 |
| 1.4.2 本论文所做的主要工作 |
| 第二章 基于混杂系统理论的电力电子电路数学模型及故障诊断机理 |
| 2.1 电力电子开关器件的等效 |
| 2.2 基于混杂系统理论的电力电子电路数学模型 |
| 2.3 基于混杂系统理论的电力电子电路故障诊断机理 |
| 2.4 电力电子电路期望事件的获取 |
| 2.5 典型电力电子电路故障诊断分析 |
| 2.5.1 Buck电路故障诊断分析 |
| 2.5.2 Boost、Buck-Boost、Cuk、Sepic、Zeta、Flyback电路故障诊断分析 |
| 2.5.3 Forward电路故障诊断分析 |
| 2.5.4 单相整流桥电路故障诊断分析 |
| 2.5.5 三相整流桥电路故障诊断分析 |
| 2.5.6 单相逆变桥电路故障诊断分析 |
| 2.6 本章小结 |
| 第三章 电力电子电路的拓扑辨识 |
| 3.1 电力电子电路的拓扑集 |
| 3.2 利用开关元件信息实现拓扑辨识(辨识法1) |
| 3.2.1 辨识法1的基本原理 |
| 3.2.2 电力电子电路拓扑分析 |
| 3.2.3 应用辨识法1做典型电路拓扑辨识 |
| 3.2.4 辨识法1的应用范围 |
| 3.3 利用状态变量变化规律的多样性实现拓扑辨识(辨识法2) |
| 3.3.1 辨识法2的基本原理 |
| 3.3.2 最简拓扑向量的寻取 |
| 3.3.3 关联支路判断法 |
| 3.3.4 回路电流判断法 |
| 3.3.5 应用辨识法2做典型电路拓扑辨识 |
| 3.4 电压监测法(辨识法3) |
| 3.4.1 辨识法3的基本原理 |
| 3.4.2 利用节点电压法估算电路的电压特征矩阵 |
| 3.4.3 应用辨识法3做典型电路拓扑辨识 |
| 3.4.4 各种辨识方法的应用比较 |
| 3.5 本章小结 |
| 第四章 基于残差理论的电力电子电路事件辨识 |
| 4.1 残差理论的基本描述 |
| 4.1.1 残差的基本定义与要求 |
| 4.1.2 线性定常系统的残差产生 |
| 4.2 电力电子电路的残差分析 |
| 4.2.1 基于线性切换系统残差分析的电力电子电路事件辨识 |
| 4.2.2 事件辨识的优先级考虑 |
| 4.2.3 利用残差向量实现事件辨识的应用举例 |
| 4.3 事件辨识的鲁棒性分析 |
| 4.3.1 鲁棒分析的必要性 |
| 4.3.2 鲁棒性残差分析 |
| 4.3.3 鲁棒残差分析举例 |
| 4.4 本章小结 |
| 第五章 基于小波理论的电力电子电路故障诊断 |
| 5.1 小波分析基本理论 |
| 5.2 信号的奇异性理论 |
| 5.3 电力电子电路的噪声消除及故障诊断 |
| 5.3.1 噪声消除基本原理 |
| 5.3.2 应用实例 |
| 5.4 电力电子电路的信号奇异点检测及故障诊断 |
| 5.4.1 基本故障诊断机理 |
| 5.4.2 Buck电路故障诊断实例 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表和录用的论文 |
| 致谢 |
（4）水电机组控制系统辨识及故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 水电机组控制系统辨识研究 |
| 1.3 水电机组故障诊断研究 |
| 1.4 本文主要研究内容 |
| 2 水力发电机组控制系统模型特性分析 |
| 2.1 引言 |
| 2.2 调速器数学模型 |
| 2.3 压力引水系统数学模型 |
| 2.4 水轮机数学模型及特性分析 |
| 2.5 发电机及负载数学模型 |
| 2.6 水轮机调节系统仿真平台 |
| 2.7 本章小结 |
| 3 基于微分及积分变换的线性模型参数辨识 |
| 3.1 引言 |
| 3.2 微分变换法 |
| 3.3 积分变换法 |
| 3.4 本章小结 |
| 4 非线性模型参数的引力搜索辨识 |
| 4.1 引言 |
| 4.2 引力搜索算法及改进 |
| 4.3 基于IGSA的调节系统参数辨识 |
| 4.4 本章小结 |
| 5 非线性系统的模糊模型辨识 |
| 5.1 引言 |
| 5.2 理论基础 |
| 5.3 基于变尺度混沌优化的模糊模型辨识 |
| 5.4 基于模糊C回归模型聚类算法的辨识策略 |
| 5.5 基于超平面原型聚类的模糊模型辨识 |
| 5.6 本章小结 |
| 6 基于模糊聚类分析的发电机组故障诊断 |
| 6.1 引言 |
| 6.2 基于系统辨识的故障诊断研究 |
| 6.3 模糊聚类理论基础 |
| 6.4 基于混合聚类的机组故障诊断 |
| 6.5 机组故障模式的加权核聚类识别 |
| 6.6 本章小结 |
| 7 全文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1:攻读博士期间所发表的论文 |
| 附录2:攻读博士期间完成和参与的科研项目 |
（5）流程工业自适应降阶系统辨识方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 流程工业系统辨识研究现状 |
| 1.2.1 系统辨识问题描述 |
| 1.2.2 流程工业系统辨识建模研究现状 |
| 1.2.3 流程工业系统辨识方法研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文全局框架 |
| 第2章 系统辨识与PSO算法理论研究 |
| 2.1 系统辨识目的与实现 |
| 2.1.1 系统辨识研究目的 |
| 2.1.2 系统辨识具体实现步骤 |
| 2.2 粒子群优化算法介绍 |
| 2.2.1 PSO算法理论体系 |
| 2.2.2 PSO参数设计准则 |
| 2.2.3 PSO算法数学模型 |
| 2.2.4 PSO算法应用领域 |
| 2.3 本章小结 |
| 第3章 基于PSO的自适应降阶系统辨识方法研究 |
| 3.1 改进的系统辨识方法研究 |
| 3.1.1 提出自适应降阶系统辨识法必要性 |
| 3.1.2 基于PSO算法的自适应降阶改进思想 |
| 3.2 改进的系统辨识法仿真案例 |
| 3.2.1 无延时环节的自适应降阶系统辨识案例 |
| 3.2.2 带延时环节的自适应降阶系统辨识案例 |
| 3.3 本章小结 |
| 第4章 自适应降阶系统辨识仿真研究 |
| 4.1 含有白噪声的系统辨识仿真研究 |
| 4.1.1 生产数据滤波过程 |
| 4.1.2 仿真案例及实验分析 |
| 4.2 被控对象与PID参数辨识仿真研究 |
| 4.2.1 被控对象模型辨识仿真实验 |
| 4.2.2 PID参数整定仿真实验 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）火电机组热工控制系统的优化整定及其应用（论文提纲范文）
| 第一章 绪论 |
| §1.1 火电机组热工过程概述 |
| §1.2 热工过程的控制策略 |
| §1.3 本课题研究的背景 |
| §1.4 关键技术及研究现状 |
| §1.5 本文的主要工作 |
| 第二章 非线性混合优化方法 |
| §2.1 概述 |
| §2.2 非线性混合优化方法 |
| §2.3 非线性混合优化方法在参数辨识中的应用 |
| §2.4 非线性混合优化方法在模型变换中的应用 |
| §2.5 小结 |
| 第三章 一种实用的模型降阶方法 |
| §3.1 概述 |
| §3.2 模型降阶的基本算法 |
| §3.3 推导证明 |
| §3.4 仿真分析 |
| §3.5 小结 |
| 第四章 一种模型参考自适应辨识算法 |
| §4.1 概述 |
| §4.2 自适应辨识系统的结构与系统描述 |
| §4.3 具有非积分误差约束的自适应辨识方法 |
| §4.4 具有积分约束的自适应辨识方法 |
| §4.5 实际应用 |
| §4.6 小结 |
| 第五章 仿真平台的设计与开发 |
| §5.1 概述 |
| §5.2 编程语言与开发工具 |
| §5.3 用户界面 |
| §5.4 仿真平台框架设计 |
| §5.5 框图绘制和拓扑排序 |
| §5.6 系统仿真算法的研究 |
| §5.7 系统仿真参数的确定 |
| §5.8 模块库中的典型模块 |
| §5.9 模块的数据结构 |
| §5.10 系统框图与模块库的接口 |
| §5.11 仿真实例 |
| §5.12 小结 |
| 第六章 控制系统的优化整定 |
| §6.1 概述 |
| §6.2 综合误差目标函数的建立 |
| §6.3 工程指标整定算法 |
| §6.4 优化整定功能设计 |
| §6.5 应用举例 |
| §6.6 小结 |
| 第七章 控制系统性能分析 |
| §7.1 概述 |
| §7.2 利用频域法分析系统性能 |
| §7.3 利用时域法分析系统性能 |
| §7.4 应用示例 |
| §7.5 小结 |
| 第八章 分散控制系统通信接口设计 |
| §8.1 概述 |
| §8.2 实现微机与分散控制系统通信的途径 |
| §8.3 INFI-90分散控制系统通信接口的设计 |
| §8.4 实际应用 |
| §8.5 小结 |
| 第九章 结论与展望 |
| §9.1 概述 |
| §9.2 本文的主要贡献 |
| §9.3 进一步完善 |
| 致谢 |
| 在学期间发表的学术论文 |
| 在学期间完成的科研项目 |
| 参考文献 |
（7）基于LabVIEW的系统辨识与内模控制方法研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 工业系统辨识方法研究现状 |
| 1.2.2 工业系统内模控制应用研究现状 |
| 1.3 论文主要研究内容 |
| 2 工业低阶时滞系统模型辨识 |
| 2.1 低阶系统辨识步骤 |
| 2.2 系统辨识前期准备 |
| 2.2.1 输入信号的设计 |
| 2.2.2 辨识数据的滤波处理 |
| 2.2.3 滤波效果对比 |
| 2.3 低阶时滞系统辨识方法 |
| 2.3.1 基于阶跃响应的几种辨识方法 |
| 2.3.2 基于伪随机序列的最小二乘法辨识 |
| 2.4 基于LabVIEW的工业先进控制系统开发 |
| 2.4.1 先进控制系统软件需求概括 |
| 2.4.2 先进控制系统总体结构 |
| 2.4.3 IMC_CON网络构架 |
| 2.4.4 IMC_CON程序构架 |
| 2.4.5 基于LabVIEW的工业系统辨识软件设计 |
| 2.5 本章小结 |
| 3 工业内模控制的系统设计及算法实现 |
| 3.1 内模控制的基本结构 |
| 3.1.1 基于工业连续系统的内模控制器设计 |
| 3.1.2 工业系统连续模型与离散模型实际转换 |
| 3.1.3 基于工业离散系统的内模控制器设计 |
| 3.2 工业应用中的内模控制器算法实现 |
| 3.3 内模控制中主要参数对于系统性能的影响 |
| 3.4 基于LabVIEW内模控制系统软件设计 |
| 3.5 本章小结 |
| 4 系统辨识及内模控制方法在工程中的应用 |
| 4.1 先进控制系统在锅炉燃烧系统中的应用 |
| 4.1.1 锅炉系统基本工作原理 |
| 4.1.2 主蒸汽压力系统动态特性 |
| 4.1.3 IMC_CON在锅炉主蒸汽压力系统建模及控制中的应用 |
| 4.2 先进控制系统在3D打印机系统中的应用 |
| 4.2.1 3D打印机系统基本工作原理 |
| 4.2.2 激光温度控制系统 |
| 4.2.3 IMC_CON在打印机温度系统建模及控制中的应用 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 课题展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（8）伺服驱动系统的转动惯量在线辨识方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题来源及目的意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题的目的意义 |
| 1.2 系统辨识概述 |
| 1.2.1 系统模型的建立 |
| 1.2.2 系统辨识及其发展 |
| 1.3 伺服驱动系统辨识研究现状 |
| 1.3.1 伺服驱动系统离线辨识 |
| 1.3.2 伺服驱动系统在线辨识 |
| 1.4 本文主要研究内容 |
| 2 永磁同步电机系统分析 |
| 2.1 引言 |
| 2.2 永磁同步电机的矢量控制方法 |
| 2.2.1 电机的矢量控制原理 |
| 2.2.2 永磁同步电机数学模型 |
| 2.3 基于MATLAB和 SIMULINK的伺服系统仿真平台 |
| 2.4 本章小结 |
| 3 伺服驱动系统参数辨识方法 |
| 3.1 引言 |
| 3.1.1 最小二乘法 |
| 3.1.2 MRAS算法 |
| 3.2 伺服驱动系统的参数辨识 |
| 3.2.1 带有指数遗忘的加权最小二乘法 |
| 3.2.2 MRAS算法 |
| 3.3 辨识方法仿真分析 |
| 3.3.1 带有指数遗忘的加权最小二乘法的在线辨识 |
| 3.3.2 MRAS算法的在线辨识 |
| 3.4 本章小结 |
| 4基于ETHERCAT的在线参数辨识实验平台及实验 |
| 4.1 基于ETHERCAT的实时工业以太网 |
| 4.2 伺服驱动系统的连接与通信 |
| 4.3 基于TWINCAT的控制程序及辨识程序的编写 |
| 4.4 基于TWINCAT平台在线参数辨识实验 |
| 4.4.1 永磁同步电机空载下转动惯量辨识 |
| 4.4.2 永磁同步电机加装负载下的转动惯量辨识 |
| 4.4.3 结果分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
（9）基于遗传编程的系统辨识研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 问题的提出 |
| 1.2 本文的研究内容 |
| 1.3 本文的组织结构 |
| 第二章 系统辨识概述 |
| 2.1 系统的定义和分类 |
| 2.1.1 系统的定义 |
| 2.1.2 系统的分类 |
| 2.2 系统辨识的定义 |
| 2.3 系统辨识的步骤 |
| 2.3.1 输入输出数据采集 |
| 2.3.2 确定候选模型类型 |
| 2.3.3 计算最佳模型 |
| 2.4 系统辨识的方法 |
| 2.4.1 非参数模型辨识法 |
| 2.4.2 参数模型辨识法 |
| 2.4.2.1 最小二乘法 |
| 2.4.2.2 梯度校正法 |
| 2.4.2.3 极大似然法 |
| 2.4.3 人工智能辨识方法 |
| 2.4.3.1 神经网络辨识法 |
| 2.4.3.2 模糊逻辑辨识法 |
| 2.4.3.3 遗传算法辨识法 |
| 2.5 本文所使用的系统模型 |
| 2.5.1 静态系统模型 |
| 2.5.2 动态系统模型 |
| 第三章 遗传编程概述 |
| 3.1 遗传编程简介 |
| 3.2 遗传编程的发展历史 |
| 3.3 遗传编程的基本概念 |
| 3.3.1 树 |
| 3.3.2 终端集合和函数集合 |
| 3.3.3 原始种群 |
| 3.3.4 适应度 |
| 3.3.5 基因操作 |
| 3.3.6 遗传编程基本控制参数 |
| 第四章 抗早熟收敛技术 |
| 4.1 早熟收敛的概念 |
| 4.2 早熟收敛的成因分析 |
| 4.3 已有的抗早熟收敛技术 |
| 4.3.1 控制"探索"与"发掘"的平衡 |
| 4.3.1.1 控制种群大小 |
| 4.3.1.2 控制选择压力 |
| 4.3.1.3 自适应交叉和突变概率 |
| 4.3.1.4 拥挤算法 |
| 4.3.1.5 适应度共享(人工生态位) |
| 4.3.1.6 基于ISLAND模型的多种群算法 |
| 4.3.1.7 进化过程重启动和活力增强算法 |
| 4.3.2 提高种群的可进化能力 |
| 4.3.3 现有抗早熟收敛技术的局限性 |
| 第五章 基于基本(单种群)GP的系统辨识 |
| 5.1 基于遗传编程的系统辨识研究现状 |
| 5.2 算法描述 |
| 5.2.1 问题的导入----符号回归(symbolic regression) |
| 5.2.1.1 静态系统辨识的问题导入 |
| 5.2.1.2 动态系统辨识的问题导入 |
| 5.2.2 进化开始前的准备工作 |
| 5.2.2.1 静态系统辨识的进化前准备工作 |
| 5.2.2.2 动态系统辨识的进化前准备工作 |
| 5.2.3 进化过程 |
| 5.3 算法的软件实现 |
| 5.3.1 基础C++类定义 |
| 5.3.1.1 函数集合类 |
| 5.3.1.2 终端集合类 |
| 5.3.1.3 树节点类 |
| 5.3.1.4 树类 |
| 5.3.1.5 单种群遗传编程类 |
| 5.3.2 重要的算法(类成员函数)流程图 |
| 5.3.2.1 原始种群个体的产生 |
| 5.3.2.2 基因操作函数流程 |
| 5.3.2.3 进化函数流程 |
| 第六章 基于ISLAND GP的系统辨识 |
| 6.1 ISLAND多种群并行进化模型 |
| 6.2 多种群遗传编程控制参数 |
| 6.3 算法的软件实现 |
| 6.4 ISLAND多种群并行进化模型的抗早熟收敛机理及其局限性 |
| 第七章 基于HFC GP的系统辨识 |
| 7.1 传统进化计算框架的局限性 |
| 7.2 HFC模型 |
| 7.3 HFC遗传编程控制参数 |
| 7.4 基于HFC GP的系统辨识算法 |
| 第八章 静态系统的辨识实例 |
| 8.1 算法的运行环境 |
| 8.2 火电厂磨煤机特性辨识 |
| 8.3 ripple函数的辨识 |
| 第九章 动态系统的辨识实例 |
| 9.1 算法的运行环境 |
| 9.1.1 进化控制参数 |
| 9.1.2 辨识条件 |
| 9.1.3 软硬件环境 |
| 9.2 ARX/ARMAX(线性定常)目标系统辨识 |
| 9.2.1 ARX一阶系统辨识 |
| 9.2.1.1 单种群GP辨识结果 |
| 9.2.1.2 ISLAND GP辨识结果 |
| 9.2.1.3 HFC GP辨识结果 |
| 9.2.1.4 小结 |
| 9.2.2 ARMAX二阶系统辨识 |
| 9.2.2.1 单种群GP辨识结果 |
| 9.2.2.2 ISLAND GP辨识结果 |
| 9.2.2.3 HFC GP辨识结果 |
| 9.2.2.4 小结 |
| 9.2.3 ARMAX三阶系统辨识 |
| 9.2.3.1 单种群GP辨识结果 |
| 9.2.3.2 ISLAND GP辨识结果 |
| 9.2.3.3 HFC GP辨识结果 |
| 9.2.3.4 小结 |
| 9.3 NARX/NARMAX(非线性)系统辨识 |
| 9.3.1 NARX系统辨识 |
| 9.3.1.1 单种群GP辨识结果 |
| 9.3.1.2 ISLAND GP辨识结果 |
| 9.3.1.3 HFC GP辨识结果 |
| 9.3.1.4 小结 |
| 9.3.2 NARMAX系统辨识 |
| 9.3.2.1 单种群GP辨识结果 |
| 9.3.2.2 ISLAND GP辨识结果 |
| 9.3.2.3 HFC GP辨识结果 |
| 9.3.2.4 小结 |
| 第十章 算法效能分析 |
| 10.1 算法的抗早熟收敛效果比较 |
| 10.2 算法的时间代价比较 |
| 第十一章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间参加的科研工作及学术论文发表 |
（10）锂离子电池梯次利用关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究的目的与意义 |
| 1.2 锂电池梯次利用国内外研究现状 |
| 1.2.1 国外研究现状分析 |
| 1.2.2 国内研究现状分析 |
| 1.3 当前研究水平及存在问题 |
| 1.3.1 锂电池组的不一致性 |
| 1.3.2 锂电池工作特性研究及其数学建模 |
| 1.3.3 锂电池健康状态研究及其数学建模 |
| 1.3.4 锂电池健康状态评估及其测试工况 |
| 1.3.5 锂电池荷电状态估计 |
| 1.4 本文主要研究内容 |
| 参考文献 |
| 第二章 锂电池离线建模与内阻特性分析 |
| 2.1 锂电池测试系统与基本性能测试 |
| 2.1.1 锂电池测试系统构成 |
| 2.1.2 常用锂电池性能参数 |
| 2.1.3 锂电池基本性能测试实验 |
| 2.2 锂电池离线建模及其参数辨识 |
| 2.2.1 锂电池等效电路模型 |
| 2.2.2 模型参数离线辨识方法 |
| 2.2.3 不同运行工况实验数据分析 |
| 2.2.4 不同环境温度下实验数据分析 |
| 2.2.5 不同健康状态下实验数据分析 |
| 2.3 锂电池内阻不确定性分析 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 锂电池在线建模与参数辨识 |
| 3.1 锂电池RC等效电路模型 |
| 3.1.1 RC等效电路数学模型 |
| 3.1.2 可辨识数学模型 |
| 3.2 模型参数在线辨识法 |
| 3.2.1 最小二乘辨识法 |
| 3.2.2 变遗忘因子最小二乘辨识法 |
| 3.2.3 偏差补偿最小二乘辨识法 |
| 3.3 锂电池开路电压辨识 |
| 3.3.1 常用锂电池开路电压测试方法 |
| 3.3.2 OCV-SOC曲线特性 |
| 3.3.3 OCV-SOC曲线归一化 |
| 3.4 实验测试及其结果分析 |
| 3.4.1 在线辨识算法实验数据分析 |
| 3.4.2 OCV测试实验数据分析 |
| 3.4.3 RC模型实验数据分析 |
| 3.4.4 不同环境温度下实验数据分析 |
| 3.4.5 不同健康状态下实验数据分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 锂电池荷电状态估计 |
| 4.1 常用锂电池荷电状态估计法 |
| 4.1.1 锂电池SOC估计要求 |
| 4.1.2 扩展卡尔曼滤波法 |
| 4.2 基于离散滑模观测器的荷电状态估计法 |
| 4.2.1 一阶离散滑模观测器 |
| 4.2.2 二阶离散滑模观测器 |
| 4.2.3 RC模型可观测性分析 |
| 4.3 仿真实验分析 |
| 4.3.1 基于DSMO的SOC在线估计 |
| 4.3.2 基于离线模型的SOC在线估计仿真实验验证 |
| 4.3.3 基于在线模型的SOC在线估计仿真实验验证 |
| 4.4 本章小结 |
| 参考文献 |
| 第五章 锂电池健康因子与健康寿命模型 |
| 5.1 锂电池健康因子 |
| 5.1.1 常用锂电池健康因子 |
| 5.1.2 内阻-SOC曲线 |
| 5.2 锂电池健康寿命实验研究 |
| 5.3 健康因子实验验证 |
| 5.3.1 内阻健康因子构建方法 |
| 5.3.2 内阻-SOC曲线健康因子构建方法 |
| 5.4 锂电池健康寿命模型 |
| 5.4.1 基于均值内阻的健康寿命模型 |
| 5.4.2 基于最小内阻的健康寿命模型 |
| 5.4.3 基于a_s的健康寿命模型 |
| 5.4.4 健康寿命模型仿真实验验证 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 梯次利用锂电池性能测试与评价方法研究 |
| 6.1 梯次利用锂电池工作特性分析 |
| 6.2 梯次利用锂电池性能测试工况设计 |
| 6.3 梯次利用锂电池健康特征提取方法 |
| 6.3.1 可辨识数学模型 |
| 6.3.2 在线建模及参数辨识 |
| 6.3.3 健康特征提取方法 |
| 6.4 梯次利用锂电池健康状态决策机制 |
| 6.4.1 人工神经网络 |
| 6.4.2 基于多健康寿命模型数据融合技术的决策方法 |
| 6.4.3 仿真实验验证 |
| 6.5 梯次利用锂电池荷电状态估计 |
| 6.6 梯次利用锂电池性能评价方法 |
| 6.7 本章小结 |
| 参考文献 |
| 第七章 梯次利用锂电池测试实验研究 |
| 7.1 锂电池组测试实验平台 |
| 7.2 系统硬件电路设计 |
| 7.2.1 主控制器选型 |
| 7.2.2 锂电池温度检测电路设计 |
| 7.2.3 锂电池模块均衡电路设计 |
| 7.2.4 锂电池模块均衡电路设计 |
| 7.2.5 锂电池风扇控制电路设计 |
| 7.2.6 CAN通信电路设计 |
| 7.2.7 锂电池模块测试单元电路设计 |
| 7.2.8 锂电池组充放电电流检测电路设计 |
| 7.3 系统软件设计 |
| 7.3.1 系统软件总体设计 |
| 7.3.2 均衡控制程序设计 |
| 7.3.3 PIC单片机程序设计 |
| 7.3.4 上位机软件设计 |
| 7.4 实验结果与分析 |
| 7.4.1 锂电池SOC估计算法验证实验 |
| 7.4.2 锂电池模块SOC估计算法验证实验 |
| 7.4.3 锂电池模块均衡控制验证实验 |
| 7.4.4 锂电池SOC估计算法复杂度验证实验 |
| 7.4.5 梯次利用锂电池SOH估计验证实验 |
| 7.4.6 梯次利用锂电池SOC估计验证实验 |
| 7.5 本章小结 |
| 第八章 结论与展望 |
| 8.1 全文工作总结 |
| 8.2 未来工作展望 |
| 攻读博士学位期间参与的科研项目与研究成果 |
| 致谢 |
四、非线性连续系统数学模型的辨识法（论文参考文献）
- [1]压缩感知测量辨识算法研究[D]. 邱棚. 中国科学院大学(中国科学院国家空间科学中心), 2019(02)
- [2]跨音速气动力辨识问题的研究[D]. 王云海. 南京航空航天大学, 2014(01)
- [3]基于混杂系统理论的电力电子电路故障诊断[D]. 张志学. 浙江大学, 2005(08)
- [4]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(11)
- [5]流程工业自适应降阶系统辨识方法研究[D]. 李振. 杭州电子科技大学, 2018(01)
- [6]火电机组热工控制系统的优化整定及其应用[D]. 罗毅. 中国电力科学研究院, 2001(01)
- [7]基于LabVIEW的系统辨识与内模控制方法研究及应用[D]. 张蓓. 西安理工大学, 2020(12)
- [8]伺服驱动系统的转动惯量在线辨识方法研究[D]. 钮一浩. 华中科技大学, 2019(03)
- [9]基于遗传编程的系统辨识研究[D]. 袁晓磊. 华北电力大学（北京）, 2010(09)
- [10]锂离子电池梯次利用关键技术研究[D]. 孙冬. 上海大学, 2016(04)