【摘 要】
：
本文提出一种描述非线性时变系统的方法和基于小波分解的系统辨识算法.对于通常的非线性含输入自回归(NARX)模型,赋予时变参数,构成时变NARX模型.辩识算法分别对时变参数和时不变的NARX模型的多项式进行小波分解,将一个复杂的辨识问题简化为一个线性参数估计问题.应用递推最小二乘法(RLS)进行参数估计时,该算法可实现系统的在线辨识.
【机 构】
：
西安交通大学,电子与信息工程学院,陕西,西安,710049
论文部分内容阅读
本文提出一种描述非线性时变系统的方法和基于小波分解的系统辨识算法.对于通常的非线性含输入自回归(NARX)模型,赋予时变参数,构成时变NARX模型.辩识算法分别对时变参数和时不变的NARX模型的多项式进行小波分解,将一个复杂的辨识问题简化为一个线性参数估计问题.应用递推最小二乘法(RLS)进行参数估计时,该算法可实现系统的在线辨识.
其他文献
本文运用模糊系统自适应控制的理论和方法,针对养老保险系统的控制需要,讨论了一类基于时变T-S模糊模型的自适应控制算法,给出了一个该算法的应用实例,取得了良好的效果。
本文讨论了一类钓鱼投资模型的控制策略的设计问题.采用广义最小方差策略,兼顾了限制投资额及实现预期目标的原则.利用实际统计数据进行建模及其控制策略的设计,由此得出我国生产总值在控制策略下波动幅度最小及控制策略的可行性。
基于动态网络中的两点间最短路径问题,本文提出利用Q-learning算法求解电子地图中的动态最短路径问题,并利用电子地图中已有的地理信息定义Q-learning算法的评价函数,描述了Q-learning算法的路径搜索策略学习训练的方法和实验过程.以广州市电子地图为基础,随机产生了一个动态网络,并利用这个网络对提出的算法进行了程序实现及性能分析.实验结果证明了该方法的有效性。
本文应用小波包变换对股票市场进行预测,即将股指时序进行小波包分解,并对分解得到的各部分进行混沌判别,进而建立混沌模型预测,再将预测结果予以小波包重构,即得股指时序的预测.同时,从吸引子结构的观点对预测精度提高的原因做了深入分析.研究表明,该方法具有较高精度,既适合中国股市预测,也适合美国等西方股市预测。
本文分析了一类带有模糊时间延迟和混合优先关系的单机调度问题.混合优先结构包括确定性的优先关系和模糊优先关系,模糊时间延迟表示了关于时间延迟的满意程度,对于这类双目标调度问题,提出了一种复杂度为O(n4)的算法来计算问题的非支配排序。
本文应用协同学理论研究了供应链系统的协同管理问题.基于供应链系统的复杂性特征,运用复杂科学的方法,构建供应链协同管理的两种序列模型:自组织模型和协同力学模型,从而对供应链系统协同管理运作进行研究。
本文研究了协同计划、预测和补货系统对供应方与销售方的影响.SrinivasanRaghunathan在假定需求服从均匀分布的情形下建立了一个厂商和两个零售商模型,并就CPFR的影响进行了研究.在报商模型的基础上建立了单厂商和n个零售商的一般模型,并假定厂商的需求服从正态分布.通过对模型的分析发现:没有参与CPFR的零售商的成本在某个条件下会随着其他零售商的参与而减少,否则,非参与者的成本会随着其他
在统一价格拍卖环境下,本文建立了购买国债投标人的竞价策略模型,并利用最优控制理论得到均衡竞价策略.对于具有对称信息的投标人,分别就风险中性和风险回避投标人的竞价行为进行研究.结果表明,投标人的竞价随着资产估值以及投标人数的增加而升高;风险回避投标人的竞价随着风险回避系数和资产估值方差的增大而降低。
本文论证了生产计划与排序问题的可逆性,即一般生产车间计划与排序问题(原问题)以及将其生产加工各个阶段反向条件下的逆问题的加工周期保持不变.这一可逆性意味着原问题的最优加工周期的上下界也是其逆问题的最优加工周期的上下界.这一性质可用于获取加工周期的上下界值,还可用于评价一个启发式算法所得到的生产加工顺序的近似最优解等方面。
本文针对一个零售商和一个配送中心组成的配送系统,从极小化零售商订货方差的角度,研究了具有固定订货费用的随机库存问题.在惩罚机制下建立配送系统库存和运输费用联合优化模型,研究了零售商在有限计划周期下的订货策略,并证明其最优性,分析了惩罚参数与系统费用的关系.数值实验结果显示,惩罚机制能够达到节省配送系统费用的目的。