2) distribution parametric identification
分布参数辨识
1.
This article focuses on the problem of the distribution parametric identification for riverwater quality model.
重点探讨了河流水质模拟中的分布参数辨识问题，针对河流纵向离散系数的空间分布特性，建立了一维对流离散方程反问题模型的结构，根据差分方法、ＰＳＴ方法和正则化方法提出了反问题模型的数值解法，并给出了应用结果。
3) system parameter identification
系统参数辨识
1.
The ant system(AS) algorithm which is often applied to discrete space problem solving is introduced into system parameter identification problem solving in the continuous space.
将传统用于离散空间问题求解的蚁群算法引入连续空间内的系统参数辨识问题求解 ,定义了各智能单蚁的信息量分布函数和相应的系统辨识求解算法 ,并在线性系统参数辨识的实例仿真中得到了很好的结果 ,显示了蚁群算法在连续空间优化问题中的应用前景 。
2.
It is demonstrated that this algorithm can be applied to system parameter identification.
通过该算法的建立及与微分算法的比较 ,证明了基于反数字变换的线性控制系统参数辨识的可行性 ,并给出了相应的算法及仿真结
4) non parametric system identification
非参数系统辨识
1.
This paper proposes a rough evolutionary approach to non parametric system identification.
提出了一种用于非参数系统辨识的粗糙进化方法 。
6) generator excitation system parameter test and identification
励磁系统参数测试辨识
1.
The purposes and technique challenges of generator excitation system parameter test and identification have been explained in this paper.
华北电网发电机励磁系统参数测试辨识的研究工作详细调查了华北电网内部容量在100MW及以上发电机及其励磁系统类型和制造厂家,根据实际情况确定工作目标和技术难点。
补充资料：分布参数系统辨识
根据实验数据来估计分布参数系统数学模型中的未知参数（常数或函数）、未知边值条件或未知边界形状的系统辨识方法。分布参数系统的数学模型由如下的状态方程、边界条件和初始条件组成：
状态方程：e(u(x，t),x，t，a)＝0 x∈Ω t∈[0,T]
边界条件:b(u(x，t),x，t，a)＝0 x∈坸Ω t∈[0,T]
初始条件：c(u(x,0))＝C0(x)
x∈Ω
式中Ω是系统的空间区域；坸Ω表示空间区域Ω的边界；[0,T]表示从零时刻到T时刻的时间区间；∈为属于符号，a是未知参数。未知参数a被限制在允许的未知参数集A中。输出方程是:z＝Cu(x，t，a),式中C为观测算子。此类辨识问题就是根据观测值z来估计未知参数a。为了评价参数估计的好坏，选择一个性能指标J(a)，于是分布参数系统的辨识问题就变为优化问题，即求╋∈A，使
式中╋就是所要求的估计参数。输出误差的平方常被用来作性能指标，即
式中╋为实际测量到的输出，Cu(x，t，a)为根据模型算出的输出，‖·‖为在观测空间中的范数。选择姙作为模型的参数就意味着该模型最接近真实系统，因而也就完成了对模型参数a的辨识。
根据未知参数所处地位的不同，分布参数系统辨识又可分为：①未知系数的辨识，指未知参数含在状态方程的系数中；②未知边值条件的辨识，指未知参数含在边值条件中；③未知边界形状的辨识，指未知参数为描写边界形状的几何变量，此时的优化问题又称为最优设计问题；④未知初值条件的辨识，指未知参数为初始状态，此类辨识一般称为状态估计问题。
分布参数系统辨识的算法大体上可分为两类。一类是直接对分布参数模型（状态空间为无穷维）用优化方法。另一类是首先用集中参数系统模型近似地表示分布参数系统模型，然后用集中参数系统辨识的算法来求解。
在用优化方法求解分布参数系统的辨识问题时，如果优化问题存在解，且此解具有唯一性，并对观测数据具有连续的依赖性，则称该系统是可辨识的。这种性质就称为可辨识性。
状态方程：e(u(x，t),x，t，a)＝0 x∈Ω t∈[0,T]
边界条件:b(u(x，t),x，t，a)＝0 x∈坸Ω t∈[0,T]
初始条件：c(u(x,0))＝C0(x)
x∈Ω
式中Ω是系统的空间区域；坸Ω表示空间区域Ω的边界；[0,T]表示从零时刻到T时刻的时间区间；∈为属于符号，a是未知参数。未知参数a被限制在允许的未知参数集A中。输出方程是:z＝Cu(x，t，a),式中C为观测算子。此类辨识问题就是根据观测值z来估计未知参数a。为了评价参数估计的好坏，选择一个性能指标J(a)，于是分布参数系统的辨识问题就变为优化问题，即求╋∈A，使
式中╋就是所要求的估计参数。输出误差的平方常被用来作性能指标，即
式中╋为实际测量到的输出，Cu(x，t，a)为根据模型算出的输出，‖·‖为在观测空间中的范数。选择姙作为模型的参数就意味着该模型最接近真实系统，因而也就完成了对模型参数a的辨识。
根据未知参数所处地位的不同，分布参数系统辨识又可分为：①未知系数的辨识，指未知参数含在状态方程的系数中；②未知边值条件的辨识，指未知参数含在边值条件中；③未知边界形状的辨识，指未知参数为描写边界形状的几何变量，此时的优化问题又称为最优设计问题；④未知初值条件的辨识，指未知参数为初始状态，此类辨识一般称为状态估计问题。
分布参数系统辨识的算法大体上可分为两类。一类是直接对分布参数模型（状态空间为无穷维）用优化方法。另一类是首先用集中参数系统模型近似地表示分布参数系统模型，然后用集中参数系统辨识的算法来求解。
在用优化方法求解分布参数系统的辨识问题时，如果优化问题存在解，且此解具有唯一性，并对观测数据具有连续的依赖性，则称该系统是可辨识的。这种性质就称为可辨识性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条