本文是為大家整理的系統(tǒng)辨識應(yīng)用主題相關(guān)的10篇畢業(yè)論文文獻(xiàn)，包括5篇期刊論文和5篇學(xué)位論文，為系統(tǒng)辨識應(yīng)用選題相關(guān)人員撰寫畢業(yè)

本文是為大家整理的系統(tǒng)辨識應(yīng)用主題相關(guān)的10篇畢業(yè)論文文獻(xiàn)，包括5篇期刊論文和5篇學(xué)位論文，為系統(tǒng)辨識應(yīng)用選題相關(guān)人員撰寫畢業(yè)論文提供參考。

1.【期刊論文】基于斜坡響應(yīng)的實用閉環(huán)系統(tǒng)辨識方法及其應(yīng)用

期刊：《廣東電力》 | 2021 年第 008 期

摘要：火電機(jī)組在運行過程中,一般不允許進(jìn)行開環(huán)試驗,這不利于控制策略的優(yōu)化.為解決該問題,提出一種基于斜坡響應(yīng)并考慮前饋控制的閉環(huán)系統(tǒng)辨識方法.通過理論分析,推導(dǎo)出包含PID控制器、前饋控制器和二階慣性加純延遲系統(tǒng)的閉環(huán)系統(tǒng)最小二乘形式,根據(jù)運行數(shù)據(jù)辨識出二階慣性加純延遲對象的參數(shù)值.在此基礎(chǔ)上,提出基于魯棒性約束的PI控制器參數(shù)整定方法,采用最大靈敏度函數(shù)作為約束,通過遺傳算法對性能指標(biāo)進(jìn)行優(yōu)化,得到優(yōu)化參數(shù).將所提出的閉環(huán)系統(tǒng)辨識方法及控制器參數(shù)優(yōu)化方法應(yīng)用于某機(jī)組的低壓加熱器,運行數(shù)據(jù)表明優(yōu)化后的控制器能夠明顯提高系統(tǒng)的動態(tài)跟蹤性能與穩(wěn)態(tài)抗干擾性能,減小動態(tài)過程中的超調(diào)量和穩(wěn)態(tài)過程中的水位波動范圍.

關(guān)鍵詞：閉環(huán)辨識；斜坡響應(yīng)；前饋控制；PID控制器；參數(shù)優(yōu)化；低壓加熱器

鏈接：https://www.zhangqiaokeyan.com/academic-journal-cn_guangdong-electric-power_thesis/0201290784488.html

---------------------------------------------------------------------------------------------------

2.【期刊論文】基于多維泰勒網(wǎng)的電力系統(tǒng)辨識研究與應(yīng)用

期刊：《江蘇海洋大學(xué)學(xué)報（自然科學(xué)版）》 | 2020 年第 004 期

摘要：系統(tǒng)辨識是非線性系統(tǒng)理論的重要組成部分,根據(jù)已知的數(shù)據(jù)建立系統(tǒng)模型并對內(nèi)部參數(shù)進(jìn)行在線估計,對電力系統(tǒng)的分析、預(yù)報、故障診斷乃至進(jìn)一步智能化發(fā)展都有很大的促進(jìn)作用.提出一種基于多維泰勒網(wǎng)的新型辨識方法,用來對電力系統(tǒng)進(jìn)行辨識.多維泰勒網(wǎng)結(jié)構(gòu)簡單,對非線性系統(tǒng)具有很強(qiáng)的逼近作用.引入共軛梯度法,采用自適應(yīng)可變步長調(diào)整算法,只需整定內(nèi)部參數(shù),即可將辨識誤差最小化.最后,通過一個數(shù)值仿真實例和某35 kV變電所電壓運行數(shù)據(jù)辨識實例,驗證了所提出方法的有效性.

關(guān)鍵詞：系統(tǒng)辨識；多維泰勒網(wǎng)；電力系統(tǒng)；共軛梯度法

鏈接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-huaihai-institute-technology-natural-science-edition_thesis/0201288482805.html

---------------------------------------------------------------------------------------------------

3.【期刊論文】面向應(yīng)用型人才培養(yǎng)的《系統(tǒng)辨識與自適應(yīng)控制》課程教學(xué)改革研究

期刊：《高教學(xué)刊》 | 2020 年第 030 期

摘要：《系統(tǒng)辨識與自適應(yīng)控制》是控制領(lǐng)域研究生的重點專業(yè)選修課程,在自動化領(lǐng)域中占有十分重要的地位.此課程在建立應(yīng)用型研究生研究理論問題的邏輯思維模式和提升碩士研究生的學(xué)術(shù)水平及應(yīng)用能力等方面具有積極作用.文章結(jié)合對應(yīng)用型人才的培養(yǎng)要求及《系統(tǒng)辨識與自適應(yīng)控制》課程的實際特點,提出了明確的教學(xué)目標(biāo),通過課程團(tuán)隊精英化,教學(xué)內(nèi)容模塊化、案例化,教學(xué)方法多元化,考核方式細(xì)致化等途徑,進(jìn)一步啟發(fā)學(xué)生控制理論思維,培養(yǎng)學(xué)生的創(chuàng)新能力和實踐應(yīng)用能力,從而切實改善教學(xué)效果.

關(guān)鍵詞：系統(tǒng)辨識；自適應(yīng)控制；教學(xué)改革

鏈接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-higher-education_thesis/0201280308983.html

---------------------------------------------------------------------------------------------------

4.【期刊論文】改進(jìn)遺傳模擬退火算法在電站機(jī)組協(xié)調(diào)控制系統(tǒng)辨識中的應(yīng)用

期刊：《中國測試》 | 2020 年第 008 期

摘要：傳統(tǒng)的超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)模型結(jié)構(gòu)復(fù)雜,不利于后續(xù)控制算法的設(shè)計,而傳統(tǒng)的模擬退火算法在尋優(yōu)規(guī)模較大時,尋優(yōu)精度往往很低,遺傳算法在尋優(yōu)后期,尋優(yōu)效率較低,也容易出現(xiàn)局部最優(yōu)的問題.介于此,將遺傳算法及模擬退火算法進(jìn)行結(jié)合(SAGA),并在選擇、交叉、變異算子、溫度衰減函數(shù)、終止條件等方面進(jìn)行改進(jìn).通過TSP問題對比測試,驗證該算法較強(qiáng)的全局搜索能力及收斂速度.最后基于該改進(jìn)算法,結(jié)合現(xiàn)場數(shù)據(jù),辨識獲得600 MW機(jī)組87％、66％、54％3個負(fù)荷點下的三輸入三輸出模型,并通過與現(xiàn)場數(shù)據(jù)對比驗證模型的準(zhǔn)確性.此外,該模型形式規(guī)范,應(yīng)用性強(qiáng),可為協(xié)調(diào)控制系統(tǒng)控制設(shè)計提供參考.

關(guān)鍵詞：改進(jìn)遺傳模擬退火；超臨界機(jī)組；協(xié)調(diào)控制；模型辨識

鏈接：https://www.zhangqiaokeyan.com/academic-journal-cn_china-measurement-test_thesis/0201280066312.html

---------------------------------------------------------------------------------------------------

5.【期刊論文】遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在電液力伺服系統(tǒng)辨識中的應(yīng)用

期刊：《機(jī)械工程師》 | 2020 年第 012 期

摘要：介紹電液力伺服系統(tǒng)的結(jié)構(gòu)及原理,針對系統(tǒng)建模中參數(shù)時變和非線性問題,采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)辨識建模;利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),克服單純BP算法容易局部收斂、訓(xùn)練速度慢的問題;借助MATLAB神經(jīng)網(wǎng)絡(luò)工具箱、全局優(yōu)化工具箱編寫系統(tǒng)辨識算法,建立系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識模型.分析神經(jīng)網(wǎng)絡(luò)模型辨識結(jié)果,將其與ARMAX線性參數(shù)模型的辨識結(jié)果作對比,驗證遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識建模的高效性和適用性.

關(guān)鍵詞：電液力伺服系統(tǒng)；BP神經(jīng)網(wǎng)絡(luò)；遺傳算法；系統(tǒng)辨識建模

鏈接：https://www.zhangqiaokeyan.com/academic-journal-cn_mechanical-engineer_thesis/0201280096946.html

---------------------------------------------------------------------------------------------------

6.【學(xué)位論文】智能優(yōu)化算法的改進(jìn)及在系統(tǒng)辨識中的應(yīng)用

目錄

著錄項

學(xué)科：控制工程

授予學(xué)位：碩士

年度：2021

正文語種：中文語種

鏈接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316291953.html

---------------------------------------------------------------------------------------------------

7.【學(xué)位論文】智能優(yōu)化算法在非線性系統(tǒng)辨識中的應(yīng)用研究

目錄

封面n 聲明n 摘要n 英文摘要n 目錄n 第一章緒論n 1．1研究目的與意義n 1．2課題相關(guān)領(lǐng)域研究現(xiàn)狀n 1．2．1智能優(yōu)化算法研究現(xiàn)狀n 1．2．2系統(tǒng)辨識研究現(xiàn)狀n 1．2．3重尾噪聲下辨識研究現(xiàn)狀n 1．3本文主要工作n 第二章非線性模型結(jié)構(gòu)與辨識基礎(chǔ)n 2．1引言n 2．2非線性模型簡介n 2．2．1 Hammerstein模型n 2．2．2 Wiener模型n 2．2．3 Hammerstein-Wiener、Wiener-Hammerstein模型n 2．2．4常見非線性特性n 2．3常見非線性系統(tǒng)辨識方法n 2．4常見重尾噪聲n 2．5本文相關(guān)優(yōu)化算法研究現(xiàn)狀n 2．5．1樽海鞘算法研究現(xiàn)狀n 2．5．2灰狼優(yōu)化算法研究現(xiàn)狀n 2．6小結(jié)n 第三章基于改進(jìn)樽海鞘算法的重尾噪聲下MIMO Hammerstein系統(tǒng)辨識研究n 3．1引言n 3．2樽海鞘算法n 3．2．1樽海鞘算法的生物起源n 3．2．2樽海鞘算法流程n 3．3混沌樽海鞘算法n 3．4混沌樽海鞘算法性能驗證n 3．4．1測試函數(shù)性能對比n 3．4．2算法運算時間分析n 3．4．3算法魯棒性分析n 3．4．4算法的參數(shù)敏感性分析n 3．5重尾噪聲下的MIMO Hammerstein系統(tǒng)辨識研究n 3．5．1 MIMO Hammerstein系統(tǒng)建模n 3．5．2 CSSA算法辨識步驟n 3．5．3系統(tǒng)辨識仿真實例n 3．6小結(jié)n 第四章基于改進(jìn)灰狼算法的重尾噪聲下MIMO Hammerstein-Wiener系統(tǒng)辨識研究n 4．1引言n 4．2灰狼優(yōu)化算法n 4．2．1灰狼優(yōu)化算法的生物起源n 4．2．2灰狼優(yōu)化算法流程n 4．3萊維灰狼優(yōu)化算法n 4．4萊維灰狼算法性能驗證n 4．4．1最優(yōu)Limit值研究n 4．4．2測試函數(shù)性能對比n 4．4．3算法魯棒性分析n 4．5重尾噪聲下的MIMO H-W系統(tǒng)辨識研究n 4．5．1 MIMO H-W系統(tǒng)建模n 4．5．2 LGWO算法辨識步驟n 4．5．3系統(tǒng)辨識仿真實例n 4．6小結(jié)n 第五章總結(jié)與展望n 參考文獻(xiàn)n 致謝n 研究成果及發(fā)表的學(xué)術(shù)論文n 作者和導(dǎo)師簡介

著錄項

學(xué)科：控制科學(xué)與工程

授予學(xué)位：碩士

年度：2020

正文語種：中文語種

鏈接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315366405.html

---------------------------------------------------------------------------------------------------

8.【學(xué)位論文】狀態(tài)空間系統(tǒng)辨識算法及其在測頻中的應(yīng)用研究

目錄

封面n 聲明n 目錄n 摘要n 英文摘要n 第1章緒論n 1．1．1頻率測量的意義與需求n 1．1．2對時異常檢測的意義與需求n 1．1．3狀態(tài)空間系統(tǒng)辨識算法的背景與特點n 1．2國內(nèi)外研究現(xiàn)狀n 1．2．1．頻率測量的研究現(xiàn)狀n 1．2．2．列時異常檢測的研究現(xiàn)狀n 1．2．3．狀態(tài)空間系統(tǒng)辨識算法的研究現(xiàn)狀n 1．3本文的主要研究內(nèi)容n 第2章電力系統(tǒng)信號描述與狀態(tài)空間系統(tǒng)辨識算法介紹n 2．1 電力系統(tǒng)信號建模n 2．2 電力系統(tǒng)信號的狀態(tài)空間描述n 2．3狀態(tài)空間系統(tǒng)辨識算法介紹n 2．3．1．狀態(tài)空間模型算法n 2．3．2．矩陣束方法n 2．3．3．Johnson算法n 2．4狀態(tài)空間系統(tǒng)辨識算法對比n 2．5本章小結(jié)n 第3章SSM算法在電力系統(tǒng)信號處理中的研究n 3．1 Hankel矩陣維度選擇n 3．2主成分分析n 3．2．1．主成分分析的原理n 3．2．2．主成分分析的實現(xiàn)方式n 3．2．3． 仿真分析n 3．3 Hankel矩陣改進(jìn)n 3．3．1改進(jìn)方式n 3．3．2仿真分析n 3．4前置濾波設(shè)計n 3．4．1前置濾波方法簡介n 3．4．2仿真分析n 3．5本章小結(jié)n 第4章自適應(yīng)測頻方案研究n 4．2基于SSM算法的自適應(yīng)測頻方案n 4．3仿真分析n 4．3．1 數(shù)字信號仿真n 4．3．2 實測數(shù)據(jù)驗證n 4．4本章小結(jié)n 第5章對時異常檢測方案研究n 5．1 頻率偏差與IED對時偏差的關(guān)系n 5．2基于頻率偏差的對時異常檢測n 5．3 仿真分析n 5．4本章小結(jié)n 第6章總結(jié)與展望n 6．1全文工作總結(jié)n 6．2展望n 附錄n 參考文獻(xiàn)n 致謝n 攻讀學(xué)位期間發(fā)表學(xué)術(shù)論文和參加科研情況

著錄項

學(xué)科：電氣工程

授予學(xué)位：碩士

年度：2020

正文語種：中文語種

鏈接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315862759.html

---------------------------------------------------------------------------------------------------

9.【學(xué)位論文】二分坐標(biāo)下降算法在系統(tǒng)辨識和稀疏系統(tǒng)中的應(yīng)用

目錄

封面n 聲明n 中文摘要n 英文摘要n 目錄n 術(shù)語表n 1緒論n 1.1概述n 1.2主要內(nèi)容及貢獻(xiàn)n 1.3 論文組織結(jié)構(gòu)n 1.4數(shù)學(xué)符號注釋n 2二分坐標(biāo)下降算法n 2.1線性系統(tǒng)方程求解方式n 2.2 實數(shù)相除n 2.3 向量相除n 2.4 Cyclic DCD算法和Leading DCD算法n 2.4.1 Cyclic DCD 算法n 2.4.2 Leading DCD 算法n 2.5 本章小結(jié)n 3 基于二分坐標(biāo)下降的新型RLS時變系統(tǒng)辨識算法n 3.1 系統(tǒng)模型和RLS算法n 3.1.1 ERLS算法n 3.1.2 SRLS算法n 3.1.3 橫向RLS算法n 3.2 DCD算法n 3.3 VFF-DCD-ERLS算法n 3.4 仿真結(jié)果及分析n 3.5 本章小結(jié)n 4 稀疏系統(tǒng)中快速收斂Leading-cyclic DCD算法n 4.1 Leading DCD算法和Cyclic DCD算法求解正則方程n 4.2 Leading-Cyclic算法n 4.3 仿真結(jié)果及分析n 4.4本章小結(jié)n 5 總結(jié)與展望n 5.1 工作總結(jié)n 5.2 工作展望n 參考文獻(xiàn)n 個人簡歷及攻讀碩士學(xué)位期間研究成果n 致謝

著錄項

學(xué)科：信息與通信工程

授予學(xué)位：碩士

年度：2020

正文語種：中文語種

鏈接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315672718.html

---------------------------------------------------------------------------------------------------

10.【學(xué)位論文】基于LabVIEW的系統(tǒng)辨識與內(nèi)模控制方法研究及應(yīng)用

目錄

封面n 聲明n 中文摘要n 英文摘要n 目錄n 1 緒論n 1.1 課題研究背景與意義n 1.2 國內(nèi)外研究現(xiàn)狀n 1.2.1 工業(yè)系統(tǒng)辨識方法研究現(xiàn)狀n 1.2.2 工業(yè)系統(tǒng)內(nèi)模控制應(yīng)用研究現(xiàn)狀n 1.3 論文主要研究內(nèi)容n 2 工業(yè)低階時滯系統(tǒng)模型辨識n 2.1 低階系統(tǒng)辨識步驟n 2.2 系統(tǒng)辨識前期準(zhǔn)備n 2.2.1 輸入信號的設(shè)計n 2.2.2 辨識數(shù)據(jù)的濾波處理n 2.2.3 濾波效果對比n 2.3 低階時滯系統(tǒng)辨識方法n 2.3.1 基于階躍響應(yīng)的幾種辨識方法n 2.3.2 基于偽隨機(jī)序列的最小二乘法辨識n 2.4 基于LabVIEW的工業(yè)先進(jìn)控制系統(tǒng)開發(fā)n 2.4.1 先進(jìn)控制系統(tǒng)軟件需求概括n 2.4.2 先進(jìn)控制系統(tǒng)總體結(jié)構(gòu)n 2.4.3 IMC_CON網(wǎng)絡(luò)構(gòu)架n 2.4.4 IMC_CON程序構(gòu)架n 2.4.5 基于LabVIEW的工業(yè)系統(tǒng)辨識軟件設(shè)計n 2.5 本章小結(jié)n 3 工業(yè)內(nèi)模控制的系統(tǒng)設(shè)計及算法實現(xiàn)n 3.1 內(nèi)模控制的基本結(jié)構(gòu)n 3.1.1 基于工業(yè)連續(xù)系統(tǒng)的內(nèi)模控制器設(shè)計n 3.1.2 工業(yè)系統(tǒng)連續(xù)模型與離散模型實際轉(zhuǎn)換n 3.1.3 基于工業(yè)離散系統(tǒng)的內(nèi)模控制器設(shè)計n 3.2 工業(yè)應(yīng)用中的內(nèi)模控制器算法實現(xiàn)n 3.3 內(nèi)模控制中主要參數(shù)對于系統(tǒng)性能的影響n 3.4 基于LabVIEW內(nèi)模控制系統(tǒng)軟件設(shè)計n 3.5 本章小結(jié)n 4 系統(tǒng)辨識及內(nèi)模控制方法在工程中的應(yīng)用n 4.1 先進(jìn)控制系統(tǒng)在鍋爐燃燒系統(tǒng)中的應(yīng)用n 4.1.1 鍋爐系統(tǒng)基本工作原理n 4.1.2 主蒸汽壓力系統(tǒng)動態(tài)特性n 4.1.3 IMC_CON在鍋爐主蒸汽壓力系統(tǒng)建模及控制中的應(yīng)用n 4.2 先進(jìn)控制系統(tǒng)在3D打印機(jī)系統(tǒng)中的應(yīng)用n 4.2.1 3D打印機(jī)系統(tǒng)基本工作原理n 4.2.2 激光溫度控制系統(tǒng)n 4.2.3 IMC_CON在打印機(jī)溫度系統(tǒng)建模及控制中的應(yīng)用n 4.3 本章小結(jié)n 5 總結(jié)與展望n 5.1 全文總結(jié)n 5.2 課題展望n 致謝n 參考文獻(xiàn)n 攻讀學(xué)位期間主要研究成果

著錄項

學(xué)科：控制科學(xué)與工程;控制理論與控制工程

授予學(xué)位：碩士

年度：2020

正文語種：中文語種

鏈接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020315926656.html