非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

大系统优化控制中的非光滑函数优化问题

分析了大系统递阶-协调控制方法之一——关联预估方法中的协调级非光滑函数最优化问题,确定了相应的目标函数对协调变量的子梯度,从减少优化控制对系统干预次数的角度,提出了一种基于子梯度的最速下降的优化协调策略。数字仿真结果表明了本算法的优越性。     

状态反馈系统的新特征

本文研究了状态反馈设计方法的机理,给出了状态反馈系统等价类的充分必要条件,以及状态反馈方法在配置系统极点时,对应的闭环特征向量的解析型式。指出了状态反馈设计方法中存在的设计自由度的型式,以及利用特征向量设计状态反馈系统的可行性。