导读:本文包含了非均匀采样数据系统论文开题报告文献综述及选题提纲参考文献，主要关键词:采样数据系统,非均匀采样,动态量化,镇定
非均匀采样数据系统论文文献综述
刘英英[1]（2015）在《非均匀采样数据系统的量化控制》一文中研究指出研究了信号量化的非均匀采样数据系统的建模、分析及控制问题.建立了更符合实际、更具一般性的数学模型.基于此模型,构建依赖于采样间隔界的Lyapunov函数,并使用新的分析方法有效地降低由量化误差及变采样等因素带来设计条件的保守性;给出采样间隔界及量化参数与稳定性之间的关系,提出动态量化控制器的设计方法.仿真算例说明了方法的有效性.(本文来源于《沈阳大学学报(自然科学版)》期刊2015年05期）
谢莉,杨慧中,丁锋[2]（2015）在《非均匀采样数据系统的新型模型描述方法》一文中研究指出提升技术是处理非均匀采样数据系统的标准工具。然而,提升状态空间模型存在因果约束问题,相应的提升传递函数模型结构复杂、参数数目过多,使得它们都不便于非均匀采样数据系统的辨识与控制。为此,本文通过引入时变后移算子,提出了一种输入输出表达的新型模型描述方法。所提出的新模型能够克服提升系统模型的缺点,可以更加方便的将传统单率系统的辨识和控制方法推广到非均匀采样数据系统中。仿真例子表明了新模型的优越性和有效性。(本文来源于《第26届中国过程控制会议（CPCC2015）论文集》期刊2015-07-31）
刘冉冉[3]（2014）在《非均匀采样数据非线性系统辨识算法研究》一文中研究指出受硬件设备限制、经济条件制约,以及环境因素的影响,很多流程工业(如：石油、化工、食品、医药等)均为非均匀采样数据非线性系统。该系统的输入刷新和/或输出采样呈现不等时间间隔,传统辨识方法和控制理论仅适用于单率采样数据系统,难以实现此类系统的辨识与控制。本文在国家自然科学基金项目(61273142)和江苏省研究生科研创新计划基金项目(CXLX12_0648)的支持下,以非均匀采样数据非线性系统为研究对象,分别探讨具有已知基的非线性、硬非线性,一般非线性系统的辨识问题,以及辨识方法在软测量建模中的应用。论文的主要工作内容包括以下几个方面：·针对一类具有已知基函数的非均匀采样数据Hammerstein-Wiener系统,提出一种递阶多新息随机梯度算法。该算法首先利用提升技术,推导出描述这类系统的状态空间模型,并基于因果约束关系,将该模型分解为分别包含线性动态参数及非线性静态参数的两个子系统,进而利用带可变遗忘因子的递阶多新息随机梯度辨识算法进行参数估计,在保证辨识精度的同时,提高了算法对噪声的抗干扰能力。此外,进一步将所提算法推广应用到具有已知基函数的非均匀采样数据Hammerstein/Wiener系统的辨识中。数值仿真验证了本文算法的有效性。·针对具有死区特性的非均匀采样数据Wiener非线性系统,利用关键项分离技术,提出了一种迭代递推最小二乘辨识算法。首先利用提升技术,推导出系统的状态空间模型,并借助于开关函数,得到系统模型的逻辑表达式。其次,将辅助模型思想与迭代方法相结合,提出一种基于辅助模型的、带可变遗忘因子的迭代递推最小二乘算法,解决了信息向量中同时存在不可测未知变量和未知参数,导致系统参数无法直接辨识的难题,数值仿真验证了本文算法具有较高的辨识精度与较低的计算量。·针对结构未知的非均匀采样数据非线性系统,提出了基于模糊c均值聚类的多模型递推最小二乘辨识算法。首先,基于分解-合成思想,将系统描述为一种模型切换系统。其次,在给定局部模型个数的前提下,利用模糊c均值聚类算法确定切换规则及各局部模型数据集,进而将问题转化为局部非均匀采样数据线性系统的辨识。再利用递推最小二乘算法估计出各局部模型参数。最后以分段线性系统与pH中和反应机理模型为例验证了所提算法的有效性。·针对一个实际的非均匀采样数据非线性系统——PX氧化副反应,基于模糊c均值聚类算法,建立了反应尾气中CO2含量的软测量模型。首先,采集实验室分析数据,并对其进行归一化及相关分析,确定模型的输入、输出变量；其次,利用模糊c均值聚类算法,确定系统模型结构,基于多模型递推最小二乘算法辨识模型参数,获得高精度的软测量模型；最后,验证了软测量模型在实际运行中的有效性。(本文来源于《江苏大学》期刊2014-11-01）
邱爱兵,吉虹钢,顾菊平[4]（2014）在《非均匀采样数据系统时变故障估计与调节最优集成设计》一文中研究指出针对一类发生连续时变故障的非均匀采样数据系统,建立了一套主动容错控制最优设计方案.首先,为了实现基于非均匀离散采样输出对连续故障的估计,同时鉴于现有自适应故障诊断方法无法直接推广于非均匀采样数据系统,提出一种连续时间增广观测器最优设计方法,既能保证故障估计误差快速收敛同时又对外界干扰鲁棒;并且提出一个迭代算法对故障估计延迟与系统鲁棒性进行权衡;进一步地,基于所获得的故障信息,并考虑估计误差和时变故障内采样特性对容错控制带来的不利因素,设计基于状态反馈的非均匀采样容错控制器来快速恢复故障系统性能;最后,通过对四容水箱基准实例的仿真来验证所提方法的有效性.(本文来源于《自动化学报》期刊2014年07期）
谢莉[5]（2013）在《非均匀采样数据系统的辨识及其应用研究》一文中研究指出非均匀采样数据系统的输入刷新和（或）输出采样呈现不等时间间隔，是一类更为广泛的多率采样数据系统。受到硬件设备的限制、经济条件的制约和环境因素的影响，这类系统在石油、化工、食品、医药等过程工业中普遍存在。然而，由于传统辨识方法和控制理论大多仅适用于单率采样数据系统，目前非均匀采样数据系统的辨识和控制水平仍然十分有限。因此，本文对非均匀采样数据系统的辨识问题进行深入研究，并探讨辨识方法在推理控制和软测量建模中的应用，具有重要的理论意义和实用价值。论文的主要工作包括以下几个方面：(1)在不同噪声干扰条件下研究了输入非均匀采样数据系统的辨识问题。首先，基于递阶梯度迭代搜索原理，推导了白噪声干扰输入非均匀采样数据系统输出误差模型的梯度迭代辨识算法。该算法的辨识性能优于辅助模型随机梯度算法，但是计算量却远小于最小二乘迭代算法。其次，推导了有色噪声干扰输入非均匀采样数据系统Box-Jenkins模型的基于滤波的递推最小二乘辨识算法。通过对系统模型参数和噪声模型参数进行交互估计，有效降低了算法的计算量并提高了估计精度。(2)针对有色噪声干扰条件下的输入输出同步非均匀采样数据系统，基于提升技术推导了描述这类系统的Box-Jenkins模型，并提出了相应的辅助模型多新息广义增广随机梯度辨识算法。该算法通过新息扩展，充分利用了可获得的数据信息，能够有效提高辨识性能。另外，考虑到提升状态空间模型涉及因果约束问题，而提升传递函数模型参数过多、结构过于复杂，都不便于输入输出同步非均匀采样数据系统的辨识和控制。通过引入时变后移算子，提出了一种结构简单的新型传递函数模型，并提出了该模型的辅助模型最小二乘辨识算法。(3)基于快速均匀刷新的输入数据和慢速非均匀采样且具有不确定延迟的输出数据，利用最大期望算法，将不确定延迟看作隐变量，提出了快速单率有限脉冲响应模型参数和不确定延迟的交互估计方法。进一步基于辨识得到的有限脉冲响应模型，分别利用最小二乘算法和最大期望算法，提出了快速单率输出误差模型的两种参数估计方法。仿真例子和实验结果表明，提出的辨识方法能够有效克服不确定延迟对辨识性能的影响，给出高精度的参数估计。(4)针对输入快速非均匀刷新、输出慢速均匀采样的系统，推导了可测输出与非均匀损失输出采样点上传递函数模型之间的数学关系，利用这一关系和辨识得到的可测输出点的模型参数，对损失输出点的模型参数进行估计；基于估计的模型对下一个非均匀采样点的输出进行预测，根据最小方差原理提出了输入非均匀采样数据系统的推理自适应控制算法。进一步借助于辅助变量，提出了未知有色噪声干扰下非均匀采样数据系统的推理控制方法。(5)针对一个实际的输出非均匀采样数据系统――直流蒸汽发生器，基于混合建模方法建立了蒸汽含量的软测量模型。首先，根据热量平衡原理推导了该过程的简单机理模型，利用温度、流量等常规过程变量对蒸汽含量进行实时估计；其次，利用蒸汽含量的实验室分析数据对机理模型的输出进行在线偏差补偿，以增强软测量模型的自适应能力；同时，利用预报误差方法优化模型参数和补偿项的加权系数，以获得精度最高的软测量模型；最后，对过程变量进行在线异常值检测和处理，以确保软测量模型在实际运行过程中的可靠性。(本文来源于《江南大学》期刊2013-06-01）
邱爱兵,姜斌[6]（2010）在《基于输出时滞方法的非均匀采样数据系统传感器故障检测(英文)》一文中研究指出研究一般非均匀采样数据系统鲁棒传感器故障检测设计问题.首先,基于输出时滞方法将非均匀采样数据系统转换成具有时变时滞输出的连续系统;然后,选择故障检测滤波器作为残差产生器,并将故障检测设计问题描述成一个多目标优化问题,即连续时间过程噪声和离散时间测量噪声对残差信号的H∞范数小于一个给定值,同时传感器故障对残差信号的l2增益大于一个给定值,基于输入输出方法以矩阵不等式的形式给出该多目标优化问题有解的充分条件;进一步的,提出一个迭代算法来权衡噪声鲁棒性与故障灵敏度,并将矩阵不等式转换成可解的线性矩阵不等式.最后,对某型飞控系统的仿真实验验证了所提方法的有效性.(本文来源于《控制理论与应用》期刊2010年12期）
刘艳君,谢莉,丁锋[7]（2009）在《非均匀采样数据系统的AM-RLS辨识方法及仿真研究》一文中研究指出推导了一类非均匀采样数据系统的提升状态空间模型,进而得到其对应的输入输出表达。针对辨识模型信息向量中存在未知的中间变量,提出非均匀采样系统基于辅助模型的递推最小二乘(AM-RLS)辨识方法,基本思想是用辅助模型的输出代替信息向量中的未知变量。并对算法进行了计算机数值仿真研究,来说明提出辨识算法的有效性。(本文来源于《系统仿真学报》期刊2009年19期）
谢莉,刘艳君[8]（2009）在《非均匀采样数据系统AM-MI-GESG算法》一文中研究指出本文研究有色噪声干扰下非均匀采样数据系传递函数模型的参数辨识问题。因为辨识模型信息向量中存在未知真实输出变量和不可测噪声项,使得传统的辨识方法不能直接适用。本文的解决方案是,使用辅助模型方法,用辅助模型的输出代替系统的未知真实输出,用噪声的估计值代替不可测噪声项,然后通过扩展标量新息为新息向量,引入新息长度,提出基于辅助模型的多新息广义增广随机梯度辨识算法。仿真例子表明:通过加大新息长度,算法的收敛速度加快,参数估计精度提高。(本文来源于《PCC2009—第20届中国过程控制会议论文集》期刊2009-08-03）
唐婷,何子述,韩春林,李会勇[9]（2009）在《并行数据采集系统中非均匀采样引起的误差分析》一文中研究指出分析了并行数据采集系统中非均匀采样引起的误差。在给出误差平均功率表达式的基础上,推导出正弦信号输入时的信噪比近似计算公式,并对影响信噪比的各种因素依次进行讨论。进一步对线性调频信号输入的情况进行研究,根据信噪比计算公式给出了选取各参数的约束条件。仿真结果验证了信噪比计算公式的正确性。(本文来源于《数据采集与处理》期刊2009年03期）
谢莉[10]（2009）在《非均匀采样数据系统的辨识方法研究》一文中研究指出传统采样数据系统的输入刷新周期与输出采样周期相等,操作频率相同而且同步,这种只有单一操作频率的系统称为单率系统。然而,在化工过程中,某些指示化工产品质量的数据不能直接在线测量,导致输出采样频率比系统的输入刷新频率慢,这种具有两种及两种以上操作频率的系统称为多率系统。多率系统虽然具有多种操作频率,但是对于各个输入或输出通道来说,采样频率是保持不变的,即采样间隔不变。当系统的输入刷新或输出采样间隔呈现不等时间间隔时,则得到非均匀采样数据系统。由于硬件设备的限制等原因,非均匀采样数据系统广泛存在于过程工业中,寻求这类系统的有效参数辨识方法,具有重要的理论意义和实际应用价值。针对这一现状,拟定课题为非均匀采样数据系统的辨识方法研究。作者在查阅了大量相关文献的基础上,对该课题进行了深入的研究,取得了如下成果。1.在白噪声干扰下,推导了辨识非均匀采样数据系统CAR模型参数的随机梯度算法。为了提高算法的收敛速度和辨识精度,分别引入遗忘因子和新息长度,推导了遗忘梯度算法和多新息随机梯度算法,并利用随机过程理论对这两种算法的收敛性做了详细的理论分析,文中的仿真例子也表明了所提出算法的有效性。2.利用辅助模型技术,推导出辨识非均匀采样数据系统输出误差模型的辅助模型随机梯度算法,并利用鞅收敛定理证明了该算法的收敛性。同时也得到了辅助模型遗忘梯度算法和辅助模型多新息随机梯度算法,仿真例子表明:通过选取合适的遗忘因子与新息长度,两种算法都可以得到令人满意的辨识效果。3.在MA模型和ARMA模型描述的有色噪声干扰下,研究了非均匀采样数据系统CARMA模型、CARARMA模型、OEMA模型以及Box-Jenkins模型的梯度型辨识方法。基本思想是将不可测的白噪声项和有色噪声项分别用其估计代替,将不可测的未知真实输出用辅助模型的输出代替。最后通过仿真例子对各算法的辨识性能进行了验证。(本文来源于《江南大学》期刊2009-05-01）
非均匀采样数据系统论文开题报告
（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：
提升技术是处理非均匀采样数据系统的标准工具。然而,提升状态空间模型存在因果约束问题,相应的提升传递函数模型结构复杂、参数数目过多,使得它们都不便于非均匀采样数据系统的辨识与控制。为此,本文通过引入时变后移算子,提出了一种输入输出表达的新型模型描述方法。所提出的新模型能够克服提升系统模型的缺点,可以更加方便的将传统单率系统的辨识和控制方法推广到非均匀采样数据系统中。仿真例子表明了新模型的优越性和有效性。
（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。
非均匀采样数据系统论文参考文献
[1].刘英英.非均匀采样数据系统的量化控制[J].沈阳大学学报(自然科学版).2015
[2].谢莉,杨慧中,丁锋.非均匀采样数据系统的新型模型描述方法[C].第26届中国过程控制会议（CPCC2015）论文集.2015
[3].刘冉冉.非均匀采样数据非线性系统辨识算法研究[D].江苏大学.2014
[4].邱爱兵,吉虹钢,顾菊平.非均匀采样数据系统时变故障估计与调节最优集成设计[J].自动化学报.2014
[5].谢莉.非均匀采样数据系统的辨识及其应用研究[D].江南大学.2013
[6].邱爱兵,姜斌.基于输出时滞方法的非均匀采样数据系统传感器故障检测(英文)[J].控制理论与应用.2010
[7].刘艳君,谢莉,丁锋.非均匀采样数据系统的AM-RLS辨识方法及仿真研究[J].系统仿真学报.2009
[8].谢莉,刘艳君.非均匀采样数据系统AM-MI-GESG算法[C].PCC2009—第20届中国过程控制会议论文集.2009
[9].唐婷,何子述,韩春林,李会勇.并行数据采集系统中非均匀采样引起的误差分析[J].数据采集与处理.2009
[10].谢莉.非均匀采样数据系统的辨识方法研究[D].江南大学.2009