摘要：【目的】随着面向第六代移动通信技术研究工作的开展,传统的正交频分复用(OFDM)系统中的载波间干扰使得信道估计性能不足以提供高度可靠的通信,而正交时频空(OTFS)系统可以有效解决快速时变性和多普勒效应导致的通信系统可靠性下降问题,近年来受到了广泛关注。【方法】为了有效满足OTFS系统所需的信道估计性能需求,文章采用优化的广义复指数(OGCE)基扩展模型(BEM)将信道脉冲响应建模为时不变的基函数与基函数系数的形式,从而有效地拟合高速移动通信场景下的快速时变信道。OGCE⁃BEM通过更加密集的采样改善了频谱泄漏的问题,并且通过增加修正系数降低了高频基模型的误差。为了得到更为精确的基函数系数,文章基于遗忘因子与估计误差的关系,设计了可变遗忘因子的递归最小二乘(RLS)滤波器,使得RLS滤波器可以实时追踪基函数系数的变化。【结果】仿真结果表明,文章所提算法适用于高速移动通信场景,基函数的设计更为合理,相较于固定遗忘因子的估计方法,具有更低的均方误差,信道估计结果更加精确。与最小二乘(LS)、BEM⁃LS和BEM⁃线性最小均方差(LMMSE)信道估计方式相比,均方误差性能得到了明显提升。【结论】文章所提基于OGCE⁃BEM的信道估计算法有效减少了待估计未知参数量,提高了信道估计的准确性。

摘要：针对实际工业过程具有非线性、时变和多变量的特点,提出一种数据驱动的带有变遗忘因子的自适应子空间预测控制方法。该方法将在线子空间辨识与模型预测控制相结合,同时利用期望输出值与实际输出值的误差实现变遗忘因子的自适应更新,并根据当前变遗忘因子构造了过去与将来的Hankel矩阵,从而实现了预测模型的在线更新,提高了控制器对非线性时变特征的辨识灵敏度和适应能力。最后,利用该控制器对四容水箱对象进行仿真研究,验证了算法的有效性。

摘要：针对状态方程和输出方程同时含有未知参数的多输入-多输出连续线性时变系统,采用构造性方法设计一种带指数遗忘因子的自适应观测器.证明当系统无噪声时该自适应观测器的全局指数收敛性,在此基础上考虑有噪声系统,在若干假设成立的条件下证明了该自适应观测器的估计误差均值也是全局指数收敛于0的.该自适应观测器采用带指数遗忘因子的时变增益矩阵,以自适应的方式克服噪声的影响,改善了估计的一致性.数值仿真结果表明,该自适应观测器具有良好的快速收敛性、跟踪性及抗干扰性等期望性能.

摘要：弹性负载下的阀控非对称缸是典型的非线性、时变系统,针对传统PD型迭代学习控制容易造成系统抖动这一问题,设计一种带遗忘因子的预测迭代学习控制器。建立阀控非对称缸系统的模型,比较分析其工作特性。介绍迭代学习控制基本原理,并分析常规PD型算法存在的问题。为克服迭代学习控制算法在阀控非对称缸控制中的抖动问题,设计具有遗忘因子的迭代学习算法,并通过仿真分析不同遗忘因子取值对控制效果的影响。为补偿遗忘因子造成的迭代性能降低问题,加入预测给定环节。仿真与试验研究均表明,这种带遗忘因子的预测迭代学习控制算法能够很好应用于阀控非对称缸系统,它有效克服系统抖动问题,并且具有很好的迭代精度。

摘要：针对一类含非严格重复扰动的单输入单输出(SISO)离散线性时不变系统(LTI)的收敛特性最优化问题,提出带遗忘因子迭代学习控制(ILC)算法的最优控制增益设计方法。根据迭代矩阵理论和Toeplitz矩阵特性得到含非严格重复扰动的系统收敛充要条件,并运用算子理论证明收敛。根据最优化理论给出系统的单调收敛条件,求解出算法最优控制增益的精确解,得到遗忘因子与最优控制增益之间的关系式,实现系统快速收敛,从而达到改善系统收敛特性的目的。该方法改进了传统最优控制增益在带遗忘因子ILC算法中应用的不足,放宽了系统收敛条件,有效加快系统收敛速度,抑制系统输出跟踪误差波动,同时也为含非严格重复扰动的LTI系统提供了一个更优的解决方案。仿真结果验证了控制策略的有效性。

摘要：针对传统列车固定模型难以描述和控制具有时变、非线性等特征的高速列车运行过程问题,本文提出时变遗忘因子的高速列车自适应子空间预测控制方法。首先基于列车状态空间模型描述构建列车的增量式子空间预报模型;接着融合子空间辨识与反馈校正的思想得到时变遗忘因子的列车自适应模型,进而分析高速列车自适应子空间预测控制器的设计方法,并给出相应的控制算法。最后进行高速列车运行过程控制的仿真对比实验,结果表明本文控制方法在高速列车正常运行及强干扰情况下的预测跟踪控制性能是有效的。

摘要：电机节能控制中损耗模型法要求电机参数尽可能稳定准确,为提高永磁同步电机参数在线辨识的稳定性及收敛速度,基于带遗忘因子的最小二乘算法,提出一种模糊遗忘因子最小二乘算法。首先利用帕德逼近法线性化技术建立永磁同步电机线性回归数学模型,根据电流误差设计模糊控制器,进行遗忘因子的自适应调整,并将其应用于永磁同步电机定子电阻的在线辨识中,较好地解决了遗忘因子最小二乘算法中结果稳定性和收敛速度相互矛盾的问题,最后仿真验证了该方法的有效性。

摘要：针对一类有限时间内重复运行的非线性非仿射离散时间系统,本文提出了一种基于遗忘因子的数据驱动最优迭代学习控制方法.首先,引入一种迭代动态线性化方法,将被控非线性系统等效化为线性输入输出增量形式;其次,分析了最优迭代学习控制方法中存在的问题,并针对由历史信息的累积效应所导致的控制输入不能及时响应的问题,设计自适应遗忘因子使算法具有更好的可控性和灵活性.所提出的控制方法是数据驱动的控制方法,设计和分析过程仅依赖于系统的输入输出数据,不包含任何显式模型信息.最后,通过仿真验证了该方法的有效性.

摘要：针对迭代学习P型控制算法对初始偏差和输出误差扰动的敏感性问题,研究了一种带有遗忘因子的时变非线性系统的迭代学习控制方法。在有扰动的情况下,利用迭代学习过程记忆的期望轨迹,期望控制以及跟踪误差,通过有界学习增益和批次时变因子设计学习控制器,并基于算子理论给出了控制算法存在的充分必要条件及其收敛性分析,改善了系统的鲁棒性和动态特性。最后以注塑机的注射速度控制仿真验证了本文算法的有效性。

摘要：功能性电刺激(functional electrical stimulation,FES)是治疗脑卒中后运动障碍的重要方法。考虑到现有动力学建模方法复杂、控制精度有待提高,该文提出了一种基于FES的肘部运动的带有遗忘因子的迭代学习控制方法。该研究利用Hammerstein结构建立肘部肌肉骨骼模型,在此基础上设计了带有遗忘因子的迭代学习控制的FES系统。通过计算样本实际输出与模型输出角度之间的均方根误差和最大角度误差,检验所建立的肌骨模型的可靠性。通过仿真分析和实际控制实验,评估了闭环FES系统的控制效果,并与传统的迭代学习控制FES系统进行了对比,说明了控制方法的有效性。研究结果表明,所建立的肘部肌骨模型适用于研究电刺激下肘关节的运动特性,并且带有遗忘因子的迭代学习控制方法在肘部控制中表现出更优越的性能。