摘要：在复杂环境、多变负载工况中,由于时变电感参数、磁场耦合、铁心饱和等影响,电机控制精度及可靠性下降。为解决以上问题,该文充分利用时间序列模型反映电机电压、电流等状态变量之间关系,消除传统参数化建模的影响,提出基于超局部化时间序列的无模型预测电流滑模控制(SMC)方法。该方法将时间序列数据驱动模型超局部化,提升传统超局部模型精度,并采用递归最小二乘法(RLS)在线估计和更新模型中全部待定系数,实时精准响应当前系统工作状态。在此基础上,结合超局部时间序列模型,生成滑模控制函数,并设计Lyapunov方法验证函数趋近条件。实验结果表明,与传统控制方法相比,提出方法具有更强的鲁棒性、更优的电流质量和较低的系统噪声。

摘要：针对车辆悬架状态无法准确估计的问题,设计了自适应交互式多模型卡尔曼滤波(IMMKF)状态观测器.首先,建立了标准路面激励模型与四分之一线性化悬架模型;然后,利用递归最小二乘方法与IMMKF理论,设计了不同工况下广义悬架模型自适应IMMKF状态观测器;最后,分析了在标准C级路面激励工况下簧载质量变化对悬架系统状态估计的影响.仿真与台架试验结果表明,在簧载质量变化工况下,所设计的自适应IMMKF状态观测器与传统卡尔曼滤波状态观测器相比其估计精度至少可以提高20%.

摘要：将递归最小二乘自适应滤波算法应用于激光多普勒测振技术中,搭建了相应的微弱振动测量装置。模拟仿真与实验中,通过与设计的切比雪夫低通滤波算法对比,结果表明:该递归最小二乘自适应滤波算法能够有效抑制随机高斯白噪声,还原出原始信号;能够对简谐振动信号实现有效滤波,并且可以还原出淹没在噪声中的低频20 Hz信号;文中算法可以去除语音噪声,使声音更加纯净,增强语音信号,以此验证了该算法在外差振动测量中的可行性。该算法简单易用、收敛性强、速度快,尤其对于随机噪声的去除比普通的低通滤波器更加有效。

摘要：该文提出MC-CDMA系统下一种基于递归最小二乘(Recursive Least-Squares,RLS)的最小输出能量(Minimum Output Energy,MOE)噪声抑制线性共轭多用户检测算法。该算法定义了一种新的基于MOE准则的代价函数,同时将噪声子空间作为MOE代价函数的约束条件,设计了一种噪声抑制的线性共轭检测器,并采用RLS算法自适应得到权向量。所提算法将权向量和噪声子空间正交,消除了权向量中的噪声分量,并且利用了伪自相关矩阵的信息,从而提高了系统的性能。仿真结果证明了本文算法的有效性和优越性。

摘要：为了提高胎儿心电(FECG)提取的准确性和效率,研究了采用最小均方算法、递归最小二乘(RLS)算法、仿射投影算法、能量归一化最小均方算法的四种自适应滤波器应用于FECG提取的速度和准确性。根据设计的基于MATLAB的FECG提取算法仿真分析了四种自适应滤波器的收敛速度与稳态性能的影响因素,并通过调整和优化FECG提取参数对四种自适应滤波器进行了仿真对比。研究结果表明,RLS算法自适应滤波器性能最优,可以快速准确地从母体心电中分离出FECG。

摘要：通过引入一个任意对角矩阵,提出了一种广义能量函数(GEF)来优化一个两层线性神经网络的连接权矢量,推导出一种递归最小二乘(RLS)算法,不需要设计非对称电路,即能并行提取一个输入协方差矩阵的多个主分量。分析了算法在平衡点的局部稳定性能。实验结果表明该算法具有收敛快、稳健性好等优点。

摘要：为了进一步提高直接序列/跳频(DS/FH)扩频系统的抗干扰能力,基于小波包变换结合递归最小二乘算法设计了一种变换域自适应干扰抑制算法,该算法采用小波包分解定位窄带干扰,递归最小二乘算法抑制窄带干扰。通过蒙特卡罗仿真分析在增加抗干扰模块后,DS/FH系统工作在准静态时,在不同信噪比条件下抗窄带干扰性能。仿真结果表明:该算法具有较强的自适应性以及抗窄带干扰能力,其性能优于传统的直接置零法,适用于多音干扰下的恶劣通信环境。

摘要：在现有的最优预瞄曲率驾驶员模型的基础上,用惯性环节近似替代其中的延时环节,得到一个新的驾驶员模型。基于该驾驶员模型,得到辨识所需要的系统输入和输出的仿真数据。进而应用递归最小二乘算法和非线性最优化方法,对该驾驶员模型中的参数进行辨识,在辨识过程中引入权重向量提高了相应的辨识精度。结果表明,该方法可以有效地辨识相应的驾驶员模型参数,对模型参数的离线辨识具有参考意义。

摘要：传统的最小二乘(LS)类预失真算法运算量大,且不能跟踪功放的变化特性。推导了基于递归最小二乘(RLS)算法和间接学习型结构的自适应基带预失真算法,并仿真和分析了算法的性能,结果显示该算法与传统的LS类预失真算法对系统功放非线性改善的效果相当。为了进一步验证算法的有效性,设计和构建了具有预失真功能的短波发射系统。硬件测试结果表明,该算法对功放输出的双音信号的三阶互调改善量达25 dB,所有互调分量均低于-53 dB。

摘要：作为汽车可靠性的评价指标之一,零部件的预期工作寿命是衡量汽车综合效能的重要参数。汽车零部件常用Weibull分布来刻画其寿命分布特征,某些情况下亦使用对数正态分布。然而在实际中,零部件寿命并不一定服从任何一种特定类型的分布。但受限于我国汽车产业发展相对较晚,对于估计产品寿命的完整概率分布而言,国内数据量非常不足,且数据经常是截尾的。针对这一问题,本文设计了一种与分布无关的非参数统计学习方法,通过从欧美同类产品基于大样本统计得到的寿命分布中提取有效信息,并以合理的方式将其作为国内数据的支持与补充,进而在可获样本量较小的情况下得到国内汽车零部件寿命分位数的完整拟合曲线。随机模拟分析并验证了模型在不同截尾比例和取样间隔下的预测精度和稳健性。