时间:2024-01-09 11:02:13
导言:作为写作爱好者,不可错过为您精心挑选的10篇系统辨识理论及应用,它们将为您的写作提供全新的视角,我们衷心期待您的阅读,并希望这些内容能为您提供灵感和参考。
1.系统辨识的基本理论
系统辨识是根据系统的输入输出的时间函数来确定描述系统行为的数学模型,是现代控制理论中的一个分支。对系统进行分析的主要问题是根据输入时间函数和系统的特性来确定输出信号。它包括确定系统数学模型结构和估计其参数的方法。系统辨识的流程如图1所示。
图1 系统辨识过程流程图
2.模型参数辨识的方法
系统辨识包括模型阶次辨识和参数辨识。经典参数辨识的方法主要有他包括脉冲响应法、阶跃响应法、频率响应法、最小二乘法、相关分析法、谱分析法和极大似然法等,其中最小二乘法是最基本和最经典的,也是其他方法基本的思想的来源。比如辅助变量法。
2.1 最小二乘法辨识
考虑如下CAR模型:
(1)
参数估计的任务是根据可测量的输入和输出,确定如下个参数:
对象(1)可以写成如下最小二乘形式:
(2)
现有L组输入输出观测数据:
利用最小二乘法得到系统参数的估计值为:
(3)
2.2 辅助变量法辨识
当为有色噪声时,利用最小二乘法进行参数辨识时往往得不到无偏一致的参数估计量。在这个时候可以引入变量,然后利用最小二乘法进行辨识就可得到无偏一致的参数估计量。
因此,对于线性或本质线性系统,其过程的模型都可以化成最小二乘形式,考虑如下所示的模型方程:
(4)
将上式写成最小二乘格式,则得:
假定存在一个辅助变量矩阵,维数与H相同,它满足以下极限特性:
式中Q是非奇异矩阵。
如果辅助变量满足上述条件,则有:
(5)
图2 系统仿真图
3.建模实例
3.1 非参数模型辨识
某被控对象的数学模型可以表示为:,式中:
;
为白噪声,编制MATLAB程序,分别对上述对象进行ARX建模和辅助变量法建模,并比较两种方法得到的脉冲响应。
程序:
clf;
A=[1 -0.5 0.7];B=[0 1 0.5];
tho=poly2th(A,B)
u=idinput(300,'rbs');
y=idsim([u,randn(300,1)],tho);
z=[y u];
ir=iv4(z,[2 2 1])
Discrete-time IDPOLY model:A(q)y(t)=B(q)u(t)+e(t)
A(q)=1-0.5328 q^-1+0.691 q^-2
B(q)=0.9245 q^-1+0.4155q^-2
Estimated using IV4 from data set z
Loss function 1.04941 and FPE 1.07777
Sampling interval:1
th=arx(z,[2 2 1])
Discrete-time IDPOLY model:A(q)y(t)=B(q)u(t)+e(t)
A(q)=1-0.4918 q^-1+0.7088 q^-2
B(q)=0.9307 q^-1+0.4477 q^-2
Estimated using ARX from data set z
Loss function 1.03855 and FPE 1.06662
Sampling interval:1
imp=[1;zeros(19,1)];
irth1=idsim(imp,ir);
irth=idsim(imp,th);
plot(irth1)
hold on
plot(irth,’r’)
title(‘impulse responses’)
系统仿真图如图2所示。
利用GUI图形用户界面进行辨识,如图3所示:
图3 GUI for identification
在Import输入输出数据后就可以在主界面的Estimate下拉列表中选择Parame-terMpdels命令进入模型辨识界面.在模型辨识界面可以进行模型选择,模型阶次的选择,当选择好参数后进行Estimate,得到辨识结果(如图4、图5所示):
图4 辨识结果
图5 辨识结果
可以看到辨识结果同直接输入命令得到的结果相同,原因在于图(下转封三)(上接第199页)形界面调用的命令和程序代码调用的命令是一样的。
3.2 参数模型辨识
对时间序列:
分别采用最小二乘法估计、辅助变量法进行AR模型估计,并绘制频谱图.式中为有色噪声。
程序:
v=randn(501,1);
y=sin([1:500]'*1.2)+sin([1: 500]'*1.5)+0.2*v([1:500'])+0.1*v([1:500]);
thiv=ivar(y,4);
thls=ar(y,4);
giv=th2ff(thiv);
gls=th2ff(thls);
figure(1)
bodeplot(gls,'--')
hold on
bodeplot(giv,'r')
系统仿真图为:
图6 系统仿真图
4.结论
通过介绍系统辨识基本理论,最小二乘辨识和辅助变量辨识方法。利用MTALAB系统辨识工具箱进行了实例仿真,通过两种不同的方法得到了相同的辨识结果。引用的例子辨识结果较好,如果改变模型参数,辨识精度将会受影响,辨识结果受模型结构以及噪声的影响较为严重,具体内容不在本文内容研究之内。在具体辨识时要根据具体情况采用不同的方法。
参考文献
[1]潘立登,潘仰东.系统辨识与建模[M].北京:化学工业出版社.
[2]齐晓慧,黄建群,董海瑞,杨志军.现代控制理论及应用[M].北京:国防工业出版社.
[3]郑征,田书.基于Matlab的辅助变量法参数辨识与仿真[J].计算机应用与软件,2004,21(7):127-129.
封锁嫌疑犯的数学建模方法
正倒向随机微分方程理论及应用
数学建模与数学实验课程调查报告
基于肤色模型法的人脸定位技术研究
生猪养殖场的经营管理策略研究
从数学建模到问题驱动的应用数学
大学篮球教练能力评价的机理模型
基于WSD算法的水资源调度综合策略
关于地球健康的双层耦合网络模型
多属性决策中几种主要方法的比较
塑化剂迁移量测定和迁移模型研究进展
基于信息熵的n人合作博弈效益分配模型
混合动力公交车能量控制策略的优化模型
垃圾减量分类中社会及个体因素的量化分析
随机过程在农业自然灾害保险方案中的应用
“公共自行车服务系统”研究与大数据处理
天然气消费量的偏最小二乘支持向量机预测
微积分与概率统计——生命动力学的建模
美国大学生数学建模竞赛数据及评阅分析
微积分与概率统计——生命动力学的建模
在微积分教学中融入数学建模的思想和方法
2015“深圳杯”数学建模夏令营题目简述
字符串匹配算法在DNA序列比对中的应用
差分形式的Gompertz模型及相关问题研究
小样本球面地面条件下的三维无源定位算法
数学建模思想渗入代数课程教学的试验研究
基于贝叶斯信息更新的失事飞机发现概率模型
基于人体营养健康角度的中国果蔬发展建模
关于数学成为独立科学形式的历史与哲学成因探讨
深入开展数学建模活动,培养学生的综合应用素质
完善数学建模课程体系,提高学生自主创新能力
利用动态贝叶斯网构建基因调控网络的研究进展
地方本科院校扩大数学建模竞赛受益面的探索
城镇化进程中洛阳市人口发展的数学建模探讨
基于TSP规划模型的碎纸片拼接复原问题研究
卓越现场工程师综合素质的AHP评价体系研究
基于Logistic映射和超混沌系统的图像加密方案
嫦娥三号软着陆轨道设计与控制策略问题评析
嫦娥三号软着陆轨道设计与控制策略的优化模型
微生物发酵非线性系统辨识、控制及并行优化研究
含多抽水蓄能电站的电网多目标运行优化研究
连接我们的呼吸:全球环境模型的互联神经网络方法
垃圾焚烧厂周边污染物浓度的传播模型和监测方案
以数学建模竞赛为切入点,强化学生创新能力培养
一种新的基于PageRank算法的学术论文影响力评价方法
0 引言
对于任何仿真测试技术,模型精度都是整个系统的关键,只有对象模型具有足够的精度,才能保证使用的算法控制参数具有足够的可靠性。注塑机料筒是通过加热将塑料原料由固态转化为液态,最后注射进模具的装置。由于塑料分子在不同的温度下表现复杂的特性[1],所以注塑机的料筒温度精确建模特别困难。
1 注塑机溶胶工艺及料筒温度特性研究
1.1 注塑机溶胶工艺
注塑机溶胶过程就是把堵料融化的过程,塑料原料在注塑机料筒内变为熔融状态一般经过三个阶段:固体输送段,压缩段、熔融段[2],注塑机料筒结构如图1所示。在塑料原料放入料斗后,进入固体输送段,随着液压马达的转动,螺杆不断推动原料进入料筒内部。随着输送原料的增多,塑料不断被压缩,加快了原料的融化速度,同时原料内的空气被排出。当接近熔融塑料到达料筒顶端部分时,进入熔融段。
通过注塑机的溶胶工艺可知,注塑机熔料在每个阶段都有不同的状态,要求的温度也就不同。
1.2 注塑机温度特性研究
根据注塑机料筒内热量的来源于传递原理,由图2所示可知,对于加热段2温度:
y2=(Q2+QJ2+Q23-Q21-Q20)/(C・m)+y0
其中Q表示热量。y表示实际温度;y0表示初始温度;C表示比热容,m表示熔料质量。
从图1-2中可知,对于单个加热段2的热量的来源和传递方向,可得到料筒温度特性[3]:
(1)非线性。料筒温度的上升主要依靠加热片Q2产生的热传递。温度下降主要是料筒向周围环境中自然散热Q20,升温和降温表现为两个不同的特性。降温时,只能依靠温度差自然冷却;升温时,可以靠大功率加热装置快速升温,应避免过高超调。
(2)强耦合性。各加热段设定温度不同,相邻加热段之间必然存在温差,就会导致有热量交换。相邻段温差越大,互相干扰就越强。
(3)时变性。注塑机在实际使用中,四季变换和早晚更迭都存在环境温度产生变化,这都会对降温过程的快慢产生影响。从控制对象数学模型特征上来说,滞后时间常数不断在变化。
2 注塑机温度建模
2.1 注塑机温度理论模型的确立
对象数学模型的建立一般分为:解析法和实验法。解析法是对系统运行机理进行分析,根据其物理规律建立方程公式。实验法是通过给系统加入测试信号,记录其输出响应,并采用合适的数学模型逼近,建立对象传递函数[4]。注塑机原料在不同温度下塑料分子间的特性也在变化,根据热工原理,注塑机料筒温度内部机理无法获取,则无法利用解析法建模型的对象。
注塑机料筒加热系统实验法建模通常采用反应曲线法来确定,注塑机每段料筒温度的数学模型可用一阶惯性环节加纯滞后环节的形式近似表示:
(2-1)
式(2-1)中: 为放大系数; 为惯性时间常数; 为滞后时间(单位秒); 为拉普拉斯变换因子。
2.2 注塑机温度数学模型参数辨识
注塑机各加热段间设定温度不同,必然存在温差,就会互相干扰。为了建立更加准确的数学模型,考虑了干扰存在,在对每个加热段加其总功率30%的阶跃响应信号并检测各段的温度变化数据。采用对注塑机设定为3段加热的方式,得到每段及其对相邻段的影响数据如图3所示。
确定数学模型中各辨识参数的值是特别重要的。通过设定注塑机温度模型为一阶纯滞后模型,采用常用的两点法[5]求取各个模型参数。根据两点法放大系数K可由下式(2-2)计算得到:
式中为测试初始值,为测试最终稳态值,为控制输入量大小。
然后需要求取被控量的无量纲形式,与一阶惯性加纯
延迟相对应的阶跃响应无量纲形式为:
(2-3)
为求取式(2-3)中的T和L,需要选择两个时刻t1,t2,其中t2>t1>L。则两个时刻对应的值为:
(2-4)
对式(2-4)取对数可得:
(2-5)
以加热段1为例求取加热段的传递函数数学模型参数为:
最后可得注塑机温度数学模型为:。选取t1=4000,t2=5000时,(4000)=0.7261,(5000)=0.8054。则
从而可得加热段1的温度变化数学模型为:
同理,可得其他加热段及其对相邻段影响的模型参数,最终可得3x3阶的矩阵传递函数的注塑机料筒温度数学模型:
3 总结
通过分析注塑机溶胶工艺和料筒温度特性可知,根据机理法很难建立精确的数学模型,最后采用阶跃响应模型辨识法建立了考虑加热段之间干扰的多输入多输出矩阵料筒温度传递函数数学模型。
参考文献:
[1]孙优贤,邵惠鹤.工业过程控制技术(应用篇).北京:化学工业出版社,2006:131-179.
[2]陈福练.基于非线性分离的注塑机料筒温控技术研究[D].宁波大学,2009.
[3]汤进举.注塑机微机控制系统研究[D].浙江大学,2002.
[4]毕效辉,于春梅等.自动控制理论[M].北京:中国轻工业出版社,2007:19-100.
中图分类号: TN96?34; TM417 文献标识码: A 文章编号: 1004?373X(2016)07?0044?04
Abstract: DSP chip taken as the digital hardware platform is researched to realize the software design of SINS data proces?sing. The kinetic equation of SINS is analyzed. The gyroscope’s drift data was simulated, and modeled with the time series ana?lysis method in system identification. And then Kalman filtering was conducted for it. The hybrid programming method of C language and assembler language is utilized in CC environment to transplant the displacement solution and Kalman filtering programming on development board. The optimization compiler owned by CC environment itself is utilized to optimize the compiled data processing program, which can make the running speed fastest.
Keywords: DSP; strapdown inertial navigation; Kalman filtering; system identification
0 引 言
获取导弹的飞行姿态信息和位置信息对分析其飞行动力学特性具有重要意义。本文的研究内容是在火箭弹的3个轴向上安装3个速率陀螺和加速度计,获取火箭弹的角速度和线加速度信息,通过导航计算机对得到的信息进行解算,得到火箭弹在飞行过程中的姿态和位置信息。惯性测量元件存在随机误差,这种误差在工艺上是不可消除的,其中陀螺仪的漂移误差是导致系统精度下降的重要原因。不管在何种应用还是何种形式的陀螺仪,陀螺漂移始终是制约其应用系统精度的关键问题。因此,为了提高导航系统的精度,有必要建立陀螺漂移的数学模型,对其进行有效滤波,或在系统中进行补偿。
近些年来,导航计算机广泛应用的是Intel80x86系列芯片和MCS?51单片机,运算的实时性不容易满足,针对这一问题,研究了基于DSP的导航计算机数据处理技术,包括仿真陀螺仪和加速度计的输出信号,对陀螺的漂移进行卡尔曼滤波后将数据送入以DSP 为处理芯片的导航计算机,选择合适的解算方法解算出火箭弹在飞行过程中的姿态和位置,并对程序进行优化,满足导航计算要求的实时性和准确性。
1 捷联惯导系统数据处理技术研究
1.1 捷联惯导系统的计算原理
系统第一步通过[Cbp](姿态矩阵)推演得到[apib](游移方位坐标系),第二步,根据加速度计测量的惯性空间相对机体坐标系在[abib]分量的比例(机体坐标系轴向上的分量),得出导航位置参数。进一步,通过补偿角加速度和重力加速度,对[apib]用速度方程进行积分运算得到速度分量[Vpep]。[Vpep](速度分量)不仅可以作位置速率计算的输入,同时也可以用作系统的输出,为了得到[ωpep](位置角速率),可以使用位置速率方程计算,一方面通过位置微分方程的积分去更新位置矩阵[Cpe,]以便由位置矩阵中的元素[Cij]按照导航位置参数计算公式,解算出任意时刻的导航位置参数[φ,λ,α;]另一方面又与地球角速率[ωpie]迭加,通过[ωbib](陀螺输出的角速率)变换后和[ωbpb](姿态矩阵)一起构成姿态角速率,并实时更新姿态矩阵[Cbp,]同时使用姿态微分方程的积分运算。[Cbp](姿态矩阵)不仅可以担负起整体运作的作用,同时还可以进行由机体坐标系到游移方位坐标系的坐标变换。
1.2 用四元数法进行位置解算
所需初始数据:积分计算时需要的初始数据包括初始速度[Vx0,Vy0,Vz0,]初始经度[φ0,]初始纬度[λ0,]初始游移方位角[α0,]采样时间,积分步长等。在计算时,由于积分误差的存在,破坏了四元数变换的正交性,使四元数范数[N≠1。]因此,需要对范数进行修正,将四元数归一化。四元数归一化后即可得到姿态矩阵[Tij]中的各个元素,在弹道仿真时,得到的是在机体坐标系下的加速度计信息,姿态矩阵得到后即可将机体坐标系下的加速度信息转换为平台坐标系下的加速度信息,在位置解算时直接使用。
2 卡尔曼滤波算法的实现
2.1 时间序列分析法建立陀螺仪漂移模型
确定模型信号具有零均值、平稳、正态分布的特性。陀螺仪随机漂移是去掉均值的陀螺漂移信号,因此具备了零均值特性。对于通过测试系统测量得到的陀螺随机漂移信号,这时候系统的正态性也可以得到进一步的保证。因为未知外部环境及内部因素存在各种干扰和不确定性,目前很难保证陀螺漂移信号的平稳性。因此在系统建模的时候,就应该通过统计检验的科学数学方法,评判随机陀螺漂移信号的平衡稳定性。
系统假设条件如下:漂移数据去除了线性趋势项、常值项、周期趋势项,系统以动力调协式陀螺仪漂移为对象,得到了零均值、平稳、正态分布的白噪声序列。这个序列主要是用来验证模型参数辨识和卡尔曼滤波方法的有效性。
2.2 卡尔曼滤波初始值的确定
初始误差协方差矩阵[P0]与初始估计[X0]要求在卡尔曼估计开始前决定,预先根据已确定信息得出,同样可以通过观测得出。如果卡尔曼滤波估计方法应用于结构系统的识别,[X0]和[P0]的初值设定其实不会对滤波误差产生影响。此处设初始估计[X0]为漂移序列的初始值,初始误差协方差矩阵[P0=0。]
2.3 卡尔曼滤波程序的实现
3 在DSP开发板上的数据程序优化过程
在编写程序时,必须首先实现程序应该完成的功能,在此基础上才可以使用优化工具。下面同样以对位置解算程序的优化过程为例。
在C32的开发环境中,使用Profiling(剖析)功能,可以设置断点进行执行周期数的测试。因为使用的C32芯片主频为40 MHz,所以clock setup如图2所示,操作为profiler>clock setup。对时钟使能,观察时钟运行情况。
C32编译优化器的选项分为Optimization Level和Inline Option两个大类,他们各自又分为不同的级别。Optimization Level包括前面所说的优化等级,即Disable,Level 0?Registers Only,Level 1? Local, Level 2? Global, Level 3?File;Inline Option包括Disable,Intrinsic Operator Only,Full,其中Intrinsic Operator Only 的含义是指将C32特有的内联函数功能进行行内扩展,内联函数是专门为该芯片具体编写的,而且是已经过优化的常用函数。操作为:project>option…>compiler>optimization level,界面见图3。
下面对这些优化条件进行不同的组合,得到的求解四元数的核心程序dery的最短运行周期数,如表1所示。从表1中可以看出,若只使用Inline Option 中的Full选项,对程序的优化效果很显著,而Intrinsic Operator Only无任何效果,这是因为本文中的dery子函数未使用到C32的内联函数。另外,使用Optimization Level而不使用Inline Option时,在Level?0时会有很好的效果,而其他选项的效果并不明显,这是因为Level?0包括了将运行调用变为行内扩展的功能,与Inline Option的功能相同。
5 结 论
通过弹道仿真得到了捷联惯导系统中陀螺仪和加速度计的输出信号,根据得到的输出数据,编写位置解算程序对弹体在空中的位置信息进行解算,然后用系统辨识中的时间序列分析法对陀螺仪的漂移建模,通过卡尔曼滤波程序,对陀螺仪的漂移数据进行滤波,最后将程序从PC机上移植到DSP 开发板上,并利用优化编译器对位置解算程序进行了优化。
受C32SS开发板内存空间所限,目前只能存储弹道仿真程序步长为0.5 ms的数据,在今后的研究中,如果能够解决内存限制的问题,或在由实际的陀螺输出数据的情况下,可以缩短计算周期进行解算验证。本文采用的是最基础的卡尔曼滤波算法,为了得到更好的滤波效果,使滤波算法更加完善,在以后的工作中,可采用如扩展的卡尔曼滤波算法,自适应卡尔曼滤波算法等,并要考虑卡尔曼滤波的稳定性,对滤波中的发散现象进行抑制。
参考文献
[1] 陈哲.捷联惯导系统原理[M].北京:宇航出版社,1986.
[2] 孟秀云.导弹制导与控制系统原理[M].北京:北京理工大学出版社,2003:25?27.
[3] 付梦印,邓志红,张继伟.Kalman滤波理论及其在导航系统中的应用[M].北京:科学出版社,2003:8?10.
[4] VAN CLEVE D P. Weapon interface simulation [C]// Procee?dings of 1999 IEEE Conference on Systems Readiness Techno?logy. San Antonio: IEEE, 1999: 593?597.
[5] 尹勇,欧光军,关荣锋.DSP集成开发环境CCS开发指南[M].北京:北京航空航天大学出版社,2003.
[6] 曾广达.系统辨识与仿真[M].成都:电子科技大学出版社,1995:66?68.
[7] 林瑞阳,杨东升,邱锋.Unscented卡尔曼滤波对目标位置预测[J].现代电子技术,2014,37(1):34?37.
中图分类号:G642 文献标识码:A 文章编号:1674-9324(2012)06-0148-02
一、引言
《随机信号分析与处理》是电子科学与技术、信息与通信工程各专业的重点专业基础课。它研究随机变化过程的规律性,其主要内容包括:概率论与随机过程基本概念、平稳随机过程及其遍历性、功率谱密度、线性系统对随机信号的响应、窄带随机过程、随机信号通过非线性系统和特殊随机过程。经典内容多,理论性强,传统教学通常都是理论推证组织严谨,而实践训练不足,教学过程设计跟不上能力培养需要,导致学生面对具体应用问题无从下手。为进一步提高教学效果,教学改革过程中以现代教育教学理论为指导,以培养学生的实践能力为主线,采用以案例教学为主要手段,结合其他教学方法,从实际应用出发,合理设置各种案例,使课程中的抽象问题形象化和具体化,加强学生对基本知识的理解,培养学生分析问题、解决问题的能力,充分调动学生的积极性和主动性,收到了一定的效果。
二、案例式教学过程设计
1.案例教学法。在教学过程中以案例教学为主线,通过合理设置案例,使学生掌握随机信号分析的基本概念和方法;LPC教学法和传统教学法,引导学生深入理解经典随机信号分析方法及存在的不足,激励学生探讨研究现代信号处理的方法。案例教学法[1,2]兴起于上世纪80年代。案例教学法是把案例作为一种教学工具,要重视双向交流,鼓励学生独立思考,注重知识向能力的转化。其优点是能够实现教学相长,培养学生分析问题和解决问题的能力。
2.教学过程设计。根据案例教学的特点以及该课程的教学目标,我们在案例式课程教学实践中试图做到如下几点:①将案例教学与传统教学法相结合,同时尝试引入LPC教学法[3](讲授(L)、团队学术研讨(P)、教师点评(C)三者结合的教学方式),在教学过程中把教师讲授、学生团队式互动学术讨论和教师点评活动三者有机结合。传统讲授式教学法能够系统地向学生传授基本概念,只有对基本概念和基本原理透彻地理解,才能充分开展案例讨论;LPC教学法能够进一步调动学生学习主动性,强化学生能力培养。②案例教学与专业特色相结合。教学案例以课程内容为中心、专业基础为背景,同时与当前的相关研究领域保持同步,不断更新、完善。本课程面向的是通信与信息系统、信号与信息处理、计算机等专业的硕士研究生,因此在案例设计上要尽量和学生的研究方向相关。例如在在信号与信息处理课程群中,随机信号通过线性系统这部分内容时,采用语音或图像信号处理案例,利用噪声与信号特性上的差异,通过线性滤波器实现降噪功能;在通信系统课程群中,讨论窄带随机过程的案例时,则研究扩频通信中窄带干扰抑制技术。③案例教学与课程内容、教学目标相结合,针对不同教学模块的时间、复杂程度以及重要性,编写相应的基础教学案例,另外还需设计涵盖多个概念的综合性案例,涵盖本课程的若干个知识点。④与课程的教学环境和学生的素质相结合。教学案例应当难易相当、繁简相宜,概念明确,便于理解和掌握;主题突出,便于知识拓展,调动学习积极性。根据《随机信号分析与处理》课程内容要求,本课程的教学案例一般包含以下部分内容:基本概念和理论知识;理论联系实际的应用;软件(Matlab)仿真实践;讨论及评价。这些内容的实施贯穿于课前准备,课堂引导讨论及课后实践等教学环节中。
3.案例教学实例。这里以随机信号的功率谱估计及其应用为例。为便于了解其具体应用及软件实现方法,以简单直观的经典功率谱估计为例。同时让学生了解功率谱分析在实际工程中的重要应用价值,如在语音信号识别、雷达杂波分析、波达方向估计、水声信号处理、系统辨识中非线性系统识别、物理光学中透镜干涉等许多领域。以下是教学案例实例:①基本概念和理论知识,功率谱密度的定义:对于连续平稳随机信号{X(t),t∈T}(或平稳随机信号序列x(n))的功率谱密度定义为自相关函数Rx(τ)(或自相关序列rx(k))的傅里叶变换,Sx(ω)=■Rx(τ)e-jωτdτ,Sx(ω)=■rx(k)e-jωτ在此基础上回顾随机信号相关函数及功率谱的概念及性质等。②应用——经典功率谱分析,本部分引导学生把功率谱的基本理论用于实际问题中。要求学生回顾相关函数的估计过程,离散傅里叶变换的条件等相关知识。以经典功率谱分析中的相关函数法(BT法)和周期图法进行功率谱估计[4]。相关函数法先由序列x(n)估计出自相关函数rx(k),然后对rx(k)加窗后进行傅立叶变换,便得到x(n)的功率谱估计。当延迟与数据长度相比很小时,可以有较好的估计精度。周期图法功率谱估计中,取一段有限长的数据进行傅立叶变换,然后取其幅频特性的平方并除以序列长度N。③Matlab仿真实践,选择学生容易理解的应用实例,如在语音分析中具有重要实用价值的语音频域特征识别。在Matlab软件平台下,利用wavrecord函数采集语音信号,对语音信号采样序列进行相关运算求出短时相关函数,通过傅里叶变换做出功率谱,并对功率谱进行比较分析。由于研究生大多数学过信号与系统及数字信号处理等课程,这种实践不难完成。通过实际例子,加深了学生对实际功率谱的印象,提高了学生的兴趣。④作业、讨论及评价。提出问题,学生课后查阅相关资料,完成若干课后实践作业,如:A、相关图法和周期图法中如何控制频谱泄露?经典谱估计加窗会产生什么不利后果?B、各种窗函数对功率谱估计的影响?C、讨论两种估计的一致性。D、在数据样本足够长的情况下,如何减小估计方差?E、比较实际中各种随机信号的功率谱,了解matlab中功率谱估计函数。要求学生能够通过Matlab软件平成实践作业,给出几种平稳信号及非平稳信号的功率谱的特征。并在下一次课程中集中讨论,最后由教师点评,给出成绩。
4.教学效果分析。通过案例教学与其他教学方法相结合,学生之间以及师生之间的互动明显加强,学生反馈效果好,学习兴趣很高,为深入学习功率谱及现代功率谱估计打下了良好基础。
三、结语
为改进传统教学中的不足,提高研究生《随机信号分析与处理》课程教学效果,在教学实践中以案例教学法为主,结合LPC教学法以及传统教学法,使学生以基本理论知识为中心,将所学知识运用到各种不同的案例问题中,提高了学生学习的积极性,锻炼了学生的能力。教学实践中发现,运用案例教学法,需要在教学中注意收集工程技术中的实例,并根据教学内容选择适当的案例,将理论教学与实际案例有机地结合起来;教学案例的选择要求精当,通常编制涉及的知识面宽,对教师和学生也提出了更高要求;另外案例教学法必须和其他教学方法相结合,才能更好地发挥作用,这正是我们努力探索的一个方向。
参考文献:
[1]孙华.论案例教学法在教育学原理教学中的运用[J].现代教育科学,2010,(6):99-101.
[2]方勇,刘凯,黄青华.《随机信号分析》课程案例教学的实践[J].电气电子教学学报,2009,31(2):102-104.
1.引言
驾驶员模型是个复杂的控制系统,它包括方向控制、驱动控制、制动控制等,其中方向控制是驾驶员模型研究的核心。自上世纪中期以来,基于传统控制理论、模糊控制理论、神经网络控制理论等,人们先后提出了各种驾驶员控制模型。Ashkens I I and Me Ruer D t提出的Crossover模型用来估计有扰动闭环控制系统的稳定性,但不适用于快速驾驶[1]。MarAdam C C提出了一种可以投入到实际应用工程中更灵活、有效的模型,但这些研究结果也存在弊端,表现在预瞄的固定时间无法适应车速的变化,导致预瞄的距离不确定[2]。郭孔辉院士于1982年提出了预瞄跟随系统理论[3],认为驾驶员的决策分为预瞄阶段和补偿跟随阶段,其驾驶员的校正环节依赖于汽车动力学模型,对整车方向控制至关重要。
上述这些驾驶员模型都是建立在传统控制理论基础上,通过大量的试验或仿真确定汽车的传递函数,然后再根据汽车的动力学传递函数特性来确定驾驶员模型。然而,对于汽车这种复杂的被控对象,不易建立精确的传递函数,并且在现有试验条件下通过系统辨识建立的传递函数同样存在精度低的缺点,甚至不可被用于驾驶员模型,不能满足车辆控制。模糊逻辑能比较好的解决无法建模的复杂问题,分析问题时更加符合人的要求。因此,本文在建立可调预瞄时间函数的同时,建立模糊PID控制驾驶员模型,将驾驶员的校正环节与汽车动力学模型分开分析。
2.驾驶员模型建立
2.1 道路偏差
驾驶员对汽车方向的控制源于预瞄点处道路偏差[4]的存在,在0时刻,汽车从大地坐标系原点处以速度开始做平面行驶,汽车沿大地坐标系X轴方向的速度为Vx,沿Y轴方向的速度为Vy,则在任何时刻:
图1是车辆行驶轨迹偏差示意图。
2.2 驾驶员模糊PID控制器设计
模糊PID控制器根据偏差和偏差变化率输出PID参数、、,或者PID参数的增量、、,能够实现PID参数的在线整合,具有控制灵活及适应性强的优点,又具有PID控制精度高的特点,能够实现驾驶员模型对于车辆方向的良好控制。
2.2.1 输入输出变量的选取和量化
本文所建立的模糊PID控制驾驶员模型,其模糊控制部分基于预瞄点处道路偏差反馈,以预瞄点处道路偏差和偏差变化率为模糊控制器的输入,PID参数的增量、、为输出。输入、输出变量的变化范围,以及它们的量化等级、量化因子、比例因子见表1所示。选择各变量的隶属度函数为三角形函数。
2.2.2 模糊规则设计及解模糊
参数模糊自整定PID控制器在系统运行中,实时监测误差e及误差变化ec,并根据模糊控制原理对、、三个参数实行在线修改,以使其不断适应时刻变化的e和ec,使控制器具有一定鲁棒性能,且被控系统具有良好的稳定性[3]。根据他人对PID参数整定经验制定模糊规则:
(1)当偏差较大时,取较大的,可以加快系统的响应速度,并且为了避免偏差e的瞬时变大可能出现的微分过饱现象,应取较小的值;积分饱和会使系统响应出现超调,限制甚至取消积分作用,可以防止这一现象的发生。(2)当和处于中等大小时,取较小的值,可以减小系统超调,的取值要适当,并根据现场情况取合适的,保证系统响应速度。(3)当较小,接近于设定值时,要同时考虑的影响,应取和较大值,以使系统由良好的稳态特性;当较小时,取较大值;当较大时,取较小值,兼顾系统抗振荡及抗干扰的要求。(4)表征偏差变化的速率,值较大时,应取较小值,应取较大值。
通过间接法进行模糊推理,在得出模糊控制器的输出、、后,可实时计算PID的参数。
其中,Kp0,KI0,KD0为PID参数初始值。
建立PID控制驾驶员模型,并在一般弯曲道路上进行仿真试验,通过不断调整使轨迹误差达到最小的方法可以得到该初始值
进行大量的仿真试验,最终确定:Kp0=7,KI0=0.0002,KD0=0.001。
2.3 预瞄时间函数建立
驾驶员的预瞄距离因道路曲率的不同而发生变化,而道路曲率可以简化为道路偏差,因此有必要建立预瞄时间T对于道路偏差的较为理想的函数关系,并分析可调整预瞄时间T对车辆轨迹跟踪的影响。驾驶员预瞄距离调整过程如图2所示。
在时刻,预瞄距离为,预瞄点落在大地坐标系上的点,此时,道路偏差由小变大,驾驶员需要对预瞄距离进行调整;在时刻,车辆行驶距离为s,预瞄距离减小为,预瞄点落在处,预瞄距离变化,由图得:。
对于调整后的预瞄点,可能落在的前方,也可能落在的后方。当落在的后方,即,预瞄距离不变与落在的后方相矛盾,此时预瞄距离发生严重振荡,因此必须保证落在的前方,即。设车速为u,预瞄距离的平均变化率为k,由得:。在车速u一定的情况下,可以用预瞄时间T代替预瞄距离d,当道路偏差时,T应该是关于的单调递减函数,并且随的增大,T逐渐趋于一稳定值。符合这些要求的函数有很多,图3列举其中两种。
图(a)为sigmoid函数的变形,图(b)为概率曲线。图(a)中T在ep=0不可导,当ep由负变正的过程中,T由增大趋势迅速变为减小趋势,即预瞄点A由远离车辆迅速变为靠近车辆,易发生上述的s1
2.4 驾驶员模型完整补偿校正
在建立驾驶员模糊PID控制器及预瞄时间函数之后,并且根据驾驶员神经反应滞后及手臂、方向盘惯量滞后的特点,可建立驾驶员模型补偿校正环节,如图4所示。
其中,输入为预瞄点处道路偏差,输出1为预瞄时间T,输出2为方向盘实际转角,驾驶员神经滞后环节,惯量滞后环节时间常数。
3.动力学仿真
3.1 仿真模型建立
完整的驾驶员模型,包括感知环节、预瞄环节、补偿校正环节[4]。感知环节根据车辆的y方向速度,及预瞄时间T,感知在T时刻后,车辆y方向的位置;预瞄环节根据当前车辆x方位向置,以及车辆方位角,计算预瞄距离d处的y坐标;补偿矫正环节根据预瞄点处y坐标偏差,计算出补偿该偏差的方向盘转角,并且进一步调节预瞄时间T。将在Matlab/Simulink仿真环境下建立的驾驶员模型放入到相同环境下的整车控制模型中,建立完整的仿真模型。如图5所示。
3.2 仿真结果分析
本文以“偏置直线+半S”曲线作为车辆行驶道路轨迹,在其他参数相同的情况下,分别进行有预瞄时间控制的仿真,和无预瞄时间控制的仿真,以便研究可变预瞄时间对于车辆跟踪轨迹的影响。
图6对比了两种情况下的轨迹偏差,可以看出,无预瞄时间控制的偏差的几何平均值要远远大于有预瞄时间控制的情况,进一步验证了预瞄时间控制的优越性。
4.试验结果对比
图7、图8为跟踪“偏置直线+半S”时,熟练驾驶员操纵试验车真实情况,与驾驶员模型操纵车辆模型仿真情况对比图,为了便于对比两种情况,方向盘转角和横摆角速度仿真值都进行了取相反数处理。
从图7可以看出,在跟踪相同道路时,驾驶员模型与熟练驾驶员在方向控制上并不完全一样,在某一时刻,方向盘转角幅值并不相同,但是两条曲线的形状接近,变化趋势相似,图8的横摆角速度响应曲线也具有同样的特点。
图9为熟练驾驶员轨迹跟踪曲线、驾驶员模型跟踪曲线和目标轨迹对比图。
图9中驾驶员模型跟踪曲线与熟练驾驶员轨迹跟踪曲线比较接近。因此,可以认为,所建立的基于可调预瞄时间的模糊PID控制驾驶员模型具有较高的精度,其行为特性与熟练驾驶员较为相似。
5.结论
(1)依据预瞄最优曲率理论及模糊控制理论,建立了模糊PID控制驾驶员模型,将驾驶员的校正环节与汽车动力学模型分开分析,从更广的方面研究驾驶员的特性。
(2)建立预瞄时间函数,分析预瞄时间函数对轨迹跟踪效果的影响。通过仿真证明,验证了预瞄时间的可调性,且预瞄时间函数能够提高车辆轨迹跟踪品质。
参考文献
[1]AshkenasIL,McRuer DT.A theory of handling qualities derived from pilot-vehicle system considerations A.Pro-ceedings of IEEE IndustryApplications Socicty Meeting[C].1962.
[2]MacAdam C C.An optimal preview control for linear sys-terns[J].Journal of Dynamic Systems,Measurement,and Control,1980,102(3):188-190.
0引言
智能信息处理是模拟人或者自然界其他生物处理信息的行为,建立处理复杂系统信息的理论、算法和系统的方法和技术,主要面对的是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步转变为完全、可靠、精确、一致和确定的知识和信息的问题。智能信息处理是当前科学技术发展中的前沿学科,同时也是新思想、新观念、新理论和新技术不断出现并迅速发展的新兴学科,涉及信息科学的多个领域,是现代信号处理、人工神经网络、机器学习、人工智能等理论和方法的综合应用,在复杂系统建模、机器学习、医学影像处理、系统优化和设计等领域具有广阔的应用前景。
目前,智能信息处理研究生课程相关的教材和课件大多以高隽老师的《智能信息处理方法导论》为基础开展相关介绍。该书体系严谨,理论推导细致,但在多学科交叉应用尤其是面向认知神经科学、智能信息科学等领域的应用方面介绍不足,缺乏必要的多学科交叉案例及相对完整的设计过程,导致来自不同学科的研究生在对理论知识的理解、不同工程应用实践经验的积累等方面存在一定脱节的情况。针对智能信息处理课程教学的实际情况,我们从计算神经科学、信息学科与智能信息交叉的多学科角度出发,系统介绍智能信息处理的基础理论及各种新兴处理技术,主要介绍智能信息技术的基本概念、原理和分析方法以及智能系统的知识处理和模型的建立,提供人工智能技术、神经网络技术在神经科学交叉等领域的应用算例,涉及目前国内外智能信息处理的最新研究成果以及学术研究前沿进展情况;同时,在教学实践中,对课程的教学模式进行探索和思考,强调多学科交叉及学生主体的重要性,注重教学方式的多样化及课内外教学相辅相成。该课程的教学实践能够使研究生对智能信息处理技术的发展及交叉学科应用有全面的了解,为神经科学、信息学科与智能信息交叉学科课程实施研究型教学开辟新的途径,对提高课程教学效果,培养学生的主动探究能力具有非常重要的指导意义。
1主要解决的教学及管理问题
1.1多学科交叉的智能信息处理
智能信息处理是一门以应用为导向的综合性学科,涉及脑与认知科学、智能科学、信息科学、现代科学方法等多学科的交叉与综合。由于智能信息处理涵盖内容广泛,面向研究对象众多,因此在较短学时的课程教学中,教师需要权衡把握好宏观内容的介绍和相关内容的纵深讲解,让学生既能从整体上了解智能信息处理学科的基本概念、学术思想、知识体系和学术特色,又能在具体应用方面了解其基本问题、基本模型和科学研究方法。在教学实践中,把握好多学科交叉的智能信息处理课程的整体与局部、广度与深度问题,是教师应首要考虑的问题之一。
1.2积极引导学生参加多学科研讨活动及课外实践活动
实践出真知,理论知识只有在实践中才能更好地被理解和掌握,体现和发挥其价值,然而,传统的课程教学模式侧重于课堂上教师“口授笔书”的知识传授,在引导学生研讨和践行方面存在很大不足,造成学生不能很好地理解和应用课上所学,不能有效培养和促进学生在实践中发现问题和解决问题的能力。笔者结合多年留学经验及国际教学实践,对如何引导学生积极参加多学科研讨活动及课外实践活动,进行反思、探索和尝试。
2教学实践主要内容
2.1结合工程及应用背景的教学模式
智能信息处理作为一门以应用为导向的综合叉学科,很多问题和模型既来源于又服务于实际应用,与实际问题紧密相关,然而,现有的课程教材鲜有既能系统全面介绍智能信息处理的基础理论、基本概念和分析方法,又能结合实际应用及工程背景给出例证详解的。分析教材纵深发展过程不难发现,理论与实际的结合不够是主要原因,因此在实际教学实践中,教师不能单纯依据教材内容照本宣科,需要结合实际应用背景就地取材并灵活讲解。
在智能信息处理教学实践中,针对该学科多学科交叉的特点,可以采取点面结合的教学方式。在宏观层面上,综合介绍智能信息科学技术领域的相关内容,包括基本概念、学术思想、知识体系和学术特色,让不同专业背景的学生能在较短时间内对智能信息处理学科从比较陌生的状态过渡到对其基本模型和基本问题有初步、宏观、科学和准确的认识;在微观点处,以具体的经典工程应用范例及模式辅助宏观介绍,达到宏观而又不失具体、既有广度又兼具深度的效果。这种精而不范的具体案例有利于短学时课程的安排,如介绍智能信息处理与信号处理的交叉时,笔者以参与的发动机故障诊断为例进行讲解;介绍智能信息处理与系统辨识的关系时,笔者以曾研究的磁气圈和太阳风预测为具象进行详细说明。
2.2多学科交叉综合的教学模式
一方面,智能信息处理涉及多学科交叉综合,而传统的教学模式往往侧重于单独介绍各学科的科学体系及应用,对于学科交叉综合方面的探讨则有限,如在机器学习方面,以往的教学倾向于各种算法的数学推导和理论证明,但在实际应用中,机器学习往往需要与其他学科如信号处理、模式识别等交叉互融,才能解决实际问题;另一方面,智能信息处理作为一门充满活力的新学科,不断有新技术和新方法随着前沿问题的发现而被提出和应用。教师可以采取多学科交叉综合的方式,尝试将国际前沿的科研成果引入智能信息处理的教学实践中,这样既能以此引导学生了解多学科交叉融合的方法和思路,又能展现国内外智能信息处理的研究新成果和发展新动态,激发学生的学习兴趣。
2.3增加互动环节的教学模式
传统的教学模式往往侧重于知识的灌输,忽视方法的传授。在教学实践中,教师在“授之以鱼”的同时,更要注重“授之以渔”,引入国外智能信息处理的前沿科研方法,培养学生良好的科学思维和科研素养。此外,智能信息处理的课堂教学不同于以往最基础的授课,而是以教师讲授为主,更多的是在课上由教师提出问题,引导学生讨论互动,让学生产生代人感转而主动学习和理解。作为课内的外延和补充,我们还在课外不定时、不定期组织学生参加科研沙龙,进一步激发和培养学生的兴趣,加强巩固所学知识和方法。实践证明,互动授课方式及多活动的课外扩展,对于提高学生的学习热情、培养学习兴趣、促进知识理解具有重要作用。
2.4多样化的课程考核模式
一方面,传统的单纯以期末考试成绩作为唯一考量标准的考核方式过于片面;另一方面,这种考核方式也容易束缚学生的思维,使学生产生学习只是为了最后一纸成绩的误解。综合考虑智能信息处理的课程特点及研究生培养目标,我们建议可以采取更为灵活的考评方式如采用PPT报告总结的方式,一方面考评学生平时表现,包括课堂出勤、课堂表现等,另一方面以学生学期末PPT报告总结成绩为主。每名学生依据自己的兴趣爱好,选择一个与智能信息处理相关的研究方向进行调研―参阅书籍―查找资料―深入探讨,最后以PPT的形式向教师及全体学生总结汇报并互相交流。这种考评方式以书本为平台,不仅能培养学生的系统掌握新知识及新技能的学习能力、实践操作能力和表达能力,还可调动学生查阅资料和自主思考问题的积极性,扩展知识面。
3教学方法及路线
3.1多媒体利用最大化的教学方式
在教学手段和方式上,现在多媒体技术进入课堂已经非常普遍,但对丰富电子资源的利用程度并没有实现最大化。当前的教学方式大多以讲解PPT为主,缺乏多样化的展现方式,容易使学生产生疲劳感。结合教学实践,我们发现通过将PPT、视频、动画、录像等多种形式的多媒体结合,以更加生动形象的方式展现教学内容,在吸引学生兴趣和提高学习效率方面效果显著;此外,还可以借助多媒体,通过软件演示的方式让学生亲身感受实际工程应用的操作过程,建立智能信息处理科学技术的直观形象和感性认识。
3.2开展科研教学沙龙活动,引导互动交流
智能科学技术处在创新发展时期,特别需要培养具有创新精神的人才。创新精神的产生伴随着各种不同思想的汇聚、交流和碰撞,为了鼓励和培养学生的创新思维,教师可以组织各种科研教学沙龙活动,基于学生兴趣,将不同专业背景的学生组织在一起,从不同专业视角自由探讨某一研究方向,碰撞出思想的火花;同时,可以引入国际前沿热点问题的创新结果的介绍,剖析前沿创新点和创新过程,开阔学生视野,培养和提高学生的创新能力。
3.3利用互联网,构建课外科研实践互动平台
正所谓“众人拾柴火焰高”,课堂中,学生可以随时向老师提出疑问,老师带动学生一起讨论;对于课外学习研究中出现的问题,教师可以通过QQ群、微信群、公邮等在线互动平台与学生交流沟通。一方面,众智众力促进问题的解决;另一方面,平台互动的方式能充分调动集体的学习研究热情。
4教学模式的应用效果
4.1国际学术
正如“实践是检验真理的唯一标准”,课内学习到的知识只有被运用在科学实践中才能证明和体现其价值。在教学实践中,我们着重培养学生将所学知识与其专业背景相结合、将所学转化为科研成果的能力,取得了较满意的教学效果,如部分学生将所学信号处理中的时频分析方法应用到故障的检测中并将此公开发表在国际学术期刊上,获得了令人满意的研究成果。
4.2选课情况逐年递增
图1(a)汇总了2013―2015年我们开设的智能信息处理课程各院系学生选课情况。从图1(b)中可以看出,研究生选课人数逐年递增,开始该门课程的研究生选课人数由最初的13人增加至54人,增加3.15倍;图1(c)表明,课程的覆盖院系由最初的3个院系(0系表示研究生院)增加到2015年的11个院系,覆盖面增加2.66倍。此外,选课学生中既有硕士,又有不少博士,甚至有来自其他高校的老师和工程研究所的硕士、博士。从智能信息处理课程近3年的选课总体情况来看,课程已经引起不同专业学生和教师的广泛关注和参与兴趣。
4.3学生的综合评价正面积极
在智能信息处理课程教学实践中,我们发现不仅选课人数逐年增加,而且学生对课程的综合评价也一直非常好。学生一致认为当前的授课方式丰富而有趣,结合工程实际背景的教学具体而形象,互动形式的课堂方式能很好地促进交流表达,课外的沙龙活动为他们解决科研和学习中遇到的问题提供很大的帮助。