导读:本文包含了结构辨识论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:结构,变分法,模态,噪声,多维,参数,方差。
结构辨识论文文献综述
范梦松,景绍学,李冬梅[1]（2019）在《基于输入预测误差的Wiener系统结构和参数辨识》一文中研究指出为了辨识Wiener系统的结构和参数,提出了一种结构等效逆变换,将两个子模型的参数乘积项转化为两个子模型的参数求和.该变换不仅避免了参数乘积项的出现,而且减小了算法计算量;针对变换后系统的特点,提出了一种输入预测误差准则用于参数估计;基于输入预测误差准则,提出了一种最小二乘算法来辨识Wiener系统的参数.数值仿真验证了算法的有效性.(本文来源于《淮阴师范学院学报(自然科学版)》期刊2019年03期）
苗晟,董亮,董建娥,钟丽辉[2]（2019）在《基于蜂窝网结构的多目标自动辨识定位方法》一文中研究指出针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由于k-means算法的最优簇数难以确定,因此提出了一种基于波束分辨率的k值裂变算法来确定k值,并确定聚类中心;最后,为了提高接收信号的信噪比,通过各聚类中心确定波束方向,再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号,分别对各目标源进行到达时间差定位。仿真结果表明,对于解决多目标定位问题,相对于时延估计算法和概率假设密度(PHD)滤波器算法,所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比,对应的时延估计误差的克拉美罗下界能够下降约67%,定位精度相对误差可提高10个百分点以上,而且算法简洁有效,各次定位相对独立,具有较高的效率和较好的稳定性。(本文来源于《计算机应用》期刊2019年11期）
徐宝昌,白振轩,王雅欣,袁力坤[3]（2019）在《基于过采样结构的贝叶斯鲁棒辨识方法》一文中研究指出在实际工业过程中,异常值的干扰是不可避免的,现有的处理异常值方法会导致模型估计有偏差,并且没有考虑潜在异常值的影响。针对上述缺点,利用学生分布噪声来处理潜在异常值,提出一种适用于学生分布噪声情况的贝叶斯鲁棒辨识方法,并且将其与过采样结构相结合,推出了基于过采样结构的贝叶斯鲁棒辨识方法。仿真实验表明:本文提出的算法,随着异常值影响的增加,仍然保持较小的辨识误差,而传统辨识方法已不再适用,同时,还克服了传统结构需添加额外测试信号所带来的巨额成本。因此,本文的算法更适合于实际工业过程辨识。(本文来源于《化工学报》期刊2019年12期）
徐光伟[4]（2019）在《“宏观辨识与微观探析”学科核心素养培养探微——以《物质结构与性质》教学为例》一文中研究指出"宏观辨识与微观探析"是化学学科核心素养之一。以《物质结构与性质》教学为例,结合教材特点,采取让学生自主进行教材分析、让学生进行简单说课、让学生动手制作模型、利用网络资源等形式培养学生的"宏观辨识与微观探析"学科核心素养。(本文来源于《中学教学参考》期刊2019年23期）
殷恺琳,周彤[5]（2019）在《基于一种叁态模型的基因调控网络结构辨识》一文中研究指出本文提出一种将基因静态表达水平分为叁种类型的非线性状态空间模型,利用线性滤波算法对基因调控网络的拓扑结构进行辨识.其中关键在于对该模型作一阶线性化近似处理,由此产生了未建模动态和参数误差等不确定性.对此本文利用鲁棒状态估计算法,先后对人工网络和实际生物网络进行结构辨识.评价指标表明,与二元状态模型的辨识结果相比,其参数估计精度得到了大幅度改善.(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
余磊,刘莉,马志赛,康杰[6]（2019）在《基于多维振动响应GSC-TARMA模型的时变结构模态参数辨识》一文中研究指出针对多维振动响应测量信号下的仅输出时变结构模态参数辨识问题,基于广义随机约束时变自回归滑动平均模型(Generalized stochastic constraints time-dependent auto-regressive moving average,GSC-TARMA),拓展出广义随机约束向量时变自回归滑动平均模型(Generalized stochastic constraints vector time-dependent auto-regressive moving average,GSC-VTARMA)。为降低计算复杂度,进一步提出改进的GSC-VTARMA模型(GSC-VTARMA~*),并利用时变刚度数值系统与移动质量简支梁时变结构实验系统的非平稳振动响应信号对所提模型进行了验证。通过与单维GSC-TARMA模型和传统的泛函序列向量时变自回归滑动平均(Functional series vector time-dependent auto-regressive moving average,FS-VTARMA)模型进行对比,辨识结果表明:相较于GSC-VTARMA模型,GSC-VTARMA~*模型在保持辨识精度相同的前提下降低了计算复杂度;相较于单维GSC-TARMA模型, GSC-VTARMA~*模型具有更高的数据利用率与辨识鲁棒性; GSC-VTARMA~*模型具有与传统的FS-VTARMA模型相近的辨识精度,但由于采用了递推算法,该模型计算效率更高,在线辨识能力更强。(本文来源于《机械工程学报》期刊2019年15期）
靳行,林建辉[7]（2019）在《应用VMD与Teager能量算子的结构模态系统辨识》一文中研究指出针对变分模态分解(variational mode decomposition,简称VMD)参数选择对结构模态特征识别的影响,应用VMD和Teager能量算子(Teager energy operator,简称TEO)提出了一种新的结构系统辨识方法,根据VMD层数参量K的变化寻找稳定的极点,用于识别结构模态特性。为了满足TEO对单分量的要求,采用VMD方法将振动信号分解成不同尺度的细节信号(band-limited intrinsic mode function,简称BIMF)。对BIMF使用TEO法估计固有频率与阻尼比,使用层数参量K时形成的稳态极点判断真实结构模态系统参数,去除虚假分量。进行了数值和实验验证,并与传统方法进行比较,结果表明,所提出的方法在传统模态分析与环境激励的模态分析均为有效、准确且可行的。(本文来源于《振动.测试与诊断》期刊2019年03期）
刘君,陈泽栋,陈洁,邹东阳[8]（2019）在《一种用于间断装配的流场结构辨识算法》一文中研究指出使用激波装配法时,初始激波是否准确将会对计算过程产生影响。为了确定初始激波的位置,提出了一种新的流场结构辨识算法。该算法以捕捉法计算得到的流场作为系统观测数据,根据密度、压力等参数从该数据中获取激波和接触间断等流动特征周围的网格节点作为离散点集。通过将该离散点集分割成若干子区域,在各子区域内进行分片拟合,最终将离散点集拟合成连续光滑的实体模型,并将此作为初始激波面。在二维方法的基础上,通过引入单位球模型成功将该辨识算法拓展到叁维应用。结果表明,采用该方法获得的间断曲面(激波和接触间断)与捕捉法流场中的间断分布吻合较好,作为初始间断面用于装配法可快速得到收敛解。该方法解决了应用激波装配法时确定初始间断面的难题。此外,该方法还可用于网格自适应方法。选择不同流动参数,可以获得相应流场特征结构的空间曲面,在此曲面的基础上可进行网格局部加密或重剖分。该流场结构辨识算法用于网格自适应具有网格尺度自由设置的优势。(本文来源于《空气动力学学报》期刊2019年03期）
白振轩,徐宝昌,陈贺龙,马超[9]（2019）在《基于过采样结构的贝叶斯辨识方法》一文中研究指出将过采样闭环结构与贝叶斯变分法相结合,推导出基于过采样闭环结构的递推贝叶斯变分法,并且通过分析过采样闭环结构估计模型的渐近方差表达式,得出过采样结构可以利用超出模型频带之外的高频信息减小辨识模型的误差。仿真结果表明:基于过采样结构的贝叶斯变分法在输出噪声仅为白噪声情况下,相较于传统辨识方法具有更高的辨识精度。当输出噪声受到尖峰噪声或脉冲噪声污染时,笔者方法能够利用外加噪声中含有的高频信息提高辨识精度。(本文来源于《化工自动化及仪表》期刊2019年06期）
朱美佳[10]（2019）在《基于非线性格兰特因果性的生物神经元网络结构辨识方法研究》一文中研究指出生物神经元网络(Biological Neural Network,BNN)是一个异常复杂的动力学非线性网络系统。探明生物神经元网络的功能性连接图谱、深入研究生物神经元网络结构对其网络功能的支配关系,是脑科学研究的一个重要领域。将针对神经元脉冲点火的本质非线性动态特性,将线性格兰特因果性建模与因果性辨识的思想推广至非线性空间中,采用径向基函数(Radial Basis Function,RBF)拟合生物神经元网络非线性多变量动态响应特性,通过检测对后突触神经元脉冲点火信号的预测精度是否改善,揭示来自前突触神经元的功能性连接作用,从而探明所研究的生物神经元网络的有向信息流分布。为验证所提出方法的有效性,将非线性格兰特因果性网络结构辨识法应用在基于积分点火(Integrate-and-Fire,IF)机制的脉冲神经元网络(Spiking Neural Network,SNN)仿真模型的网络结构发现过程。主要工作内容如下:(1)对生物神经网络进行建模和仿真。主要通过人工构造生物真实性的SNN模型来模拟真实的神经元放电行为。首先,建立基于IF机制的SNN模型;然后,确定模型中的参数,并对一个神经元和多个神经元网络进行仿真。SNN模型来模拟真实生物神经元在接受刺激时的放电行为,并通过网络仿真产生多通道脉冲神经元序列数据。(2)用非线性格兰特因果性的方法辨识网络结构。利用脉冲神经元网络仿真所产生的多通道脉冲神经元序列数据,反向辨识出网络中存在的因果性突触连接和强度。利用RBF拟合非线性模型,将经典格兰特因果思想扩展到非线性空间,通过比较神经元之间相互作用的因果关系,判断它们之间的因果影响,从而对生物神经元网络进行结构辨识。(3)通过MATLAB仿真得到辨识结果。采用线性格兰特因果方法和基于RBF的非线性格兰特因果方法分别来辨识相同的生物神经网络结构,辨识结果表明:对于2个节点、3个节点、4个节点、5个节点、6个节点个节点的小规模网络,10个节点、15个节点、20个节点、25个节点、30个节点个节点的中规模网络,50个节点、60个节点、80个节点、100个节点的大规模网络,非线性格兰特因果性方法10轮的平均辨识正确率显着高于同规模网络的线性格兰特因果性辨识方法的辨识正确率。(本文来源于《内蒙古工业大学》期刊2019-06-01）
结构辨识论文开题报告
（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：
针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由于k-means算法的最优簇数难以确定,因此提出了一种基于波束分辨率的k值裂变算法来确定k值,并确定聚类中心;最后,为了提高接收信号的信噪比,通过各聚类中心确定波束方向,再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号,分别对各目标源进行到达时间差定位。仿真结果表明,对于解决多目标定位问题,相对于时延估计算法和概率假设密度(PHD)滤波器算法,所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比,对应的时延估计误差的克拉美罗下界能够下降约67%,定位精度相对误差可提高10个百分点以上,而且算法简洁有效,各次定位相对独立,具有较高的效率和较好的稳定性。
（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。
结构辨识论文参考文献
[1].范梦松,景绍学,李冬梅.基于输入预测误差的Wiener系统结构和参数辨识[J].淮阴师范学院学报(自然科学版).2019
[2].苗晟,董亮,董建娥,钟丽辉.基于蜂窝网结构的多目标自动辨识定位方法[J].计算机应用.2019
[3].徐宝昌,白振轩,王雅欣,袁力坤.基于过采样结构的贝叶斯鲁棒辨识方法[J].化工学报.2019
[4].徐光伟.“宏观辨识与微观探析”学科核心素养培养探微——以《物质结构与性质》教学为例[J].中学教学参考.2019
[5].殷恺琳,周彤.基于一种叁态模型的基因调控网络结构辨识[C].第叁十八届中国控制会议论文集（7）.2019
[6].余磊,刘莉,马志赛,康杰.基于多维振动响应GSC-TARMA模型的时变结构模态参数辨识[J].机械工程学报.2019
[7].靳行,林建辉.应用VMD与Teager能量算子的结构模态系统辨识[J].振动.测试与诊断.2019
[8].刘君,陈泽栋,陈洁,邹东阳.一种用于间断装配的流场结构辨识算法[J].空气动力学学报.2019
[9].白振轩,徐宝昌,陈贺龙,马超.基于过采样结构的贝叶斯辨识方法[J].化工自动化及仪表.2019
[10].朱美佳.基于非线性格兰特因果性的生物神经元网络结构辨识方法研究[D].内蒙古工业大学.2019
论文知识图
