2) identification simulation
辨识仿真
1.
The paper introduces the application of the Matlab GUI and Simulink software in identification simulation of pneumatic proportion position system, the results show it can make simulation visualization, at thesame time it is convenient for simulation analysis.
介绍了Matlab中的图形界面设计工具(CUl)和Simulink仿真软件在气动比例位置系统辨识仿真中的应用,结果表明它能够使仿真可视化,同时方便了仿真的分析和进行。
2.
The results of identification simulation for nonlinear dynamical system show that BPGCNN overcomes the unstableness of the previous two GCNNs, and that it performs better than the traditional BPNN in identification performance, convergence speed, generalization, etc.
(本文把分段广义求导误差反传调整权值的原理引入广义同余神经网络,对广义同余神经网络进行改进,提出了一类新的广义同余神经网络——BPGCNN(Error Back Propagation for Generalized Congruence Neural Networks),并用于非线性动力学系统的辨识仿真。
3) simulation recognition
仿真辨识
5) System simulation and evaluation
系统仿真与评价
6) simulating and training system
仿真与培训系统
1.
Aimed at the disadvantages of the current simulating and training system for the domestic substation automation, a kind of digital-physics hybrid simulating and training scheme based on real-time simulation technology is proposed.
针对目前国内变电站自动化仿真与培训系统存在的不足,提出了一种基于实时仿真技术的变电站数字物理混合仿真与培训方案,该方案将数字仿真的一次系统、二次设备以及真实的变电站自动化设备创造性地放置于同一个仿真系统中,有机连接、灵活配置,营造了更为逼真的运行环境, 帮助使用者更加深入地了解变电站自动化设备的运行性能和工作特性。
补充资料：闭环系统辨识
在闭环条件下确定开环系统(或正向通道)的动态特性。一般的系统辨识方法都是针对开环控制系统的，对于闭环控制系统的辨识，主要是指根据闭环操作所得到的数据，在什么条件下可以辨识和如何辨识系统的正向通道参数的问题。稳定的闭环系统对于不同反馈作用的输入信号可能有几乎相同的输出信号，因此闭环系统的输入和输出数据所提供的信息比开环的少。这给辨识带来一定困难。另外，在开环系统中，输入和输出所受到的干扰是互相独立的；而在闭环系统中，由于反馈的作用，输入总是与输出噪声相关的，这就给辨识带来更大的困难，有时甚至不能辨识。对于闭环系统，在很多情况下不允许把反馈断开后再对正向通道进行辨识。因为切断反馈,系统便成为开环而不稳定,甚至出现危险（例如一些化工系统就是这样）。有时为了高产、优质和保密等原因也必须保留反馈。还有很多系统，反馈是系统本身所固有的，根本不能消除，例如社会、经济和生物等系统。
图1是一个闭环控制系统，其中w是设定值干扰，u和y分别是系统的输入和输出，它们都是可以测量的，ε1和ε2分别是正向通道和反馈回路的噪声，GS和GR分别是系统开环的和反馈回路的传递函数,G1和G2分别是正向通道和反馈回路噪声的传递函数。闭环系统辨识就是用 w、u和y的测量值来确定系统开环的传递函数GS。用一般的系统辨识方法，通过w和y的测量值可以对整个闭环系统进行辨识而得到闭环系统的传递函数，通过u和y的测量值得到的开环传递函数GS误差比较大，因为这时输入u和噪声ε1不是统计独立的，而独立性是无偏估计(见参数估计)的充分条件。当w＝0和ε2 ＝0时，图1变为图2，对于这样的闭环系统，用u和y的测量值不能得到真实的开环系统传递函数GS，而只能得到GS的一个估计：。 闭环系统辨识的关键是保证输入u与噪声的统计独立性和保证GS的唯一性。70年代中期以来闭环系统辨识取得一些重要的结果：①在有反馈噪声的情况下，如果ε1和ε2统计独立,则用u和y的测量值可以辨识出GS与GR；如果ε1和ε2不是统计独立的,则GS和GR 没有唯一解。②在没有反馈噪声的情况下，如果GR已知,w≠0，而且w与ε1统计独立，则由u和y的测量值可以得到 GS的正确解；如果w =0（图2），则在一定条件下，闭环系统也是可辨识的。
参考书目
哥德温、潘恩著，张永光、袁震东译：《动态系统辨识：试验设计与数据分析》，科学出版社，北京，1983。（G. C. Goodwin and R. L. Payne， Dynamic System Identification： Experiment Design and Data Analysis, Academic Press, 1977.）
图1是一个闭环控制系统，其中w是设定值干扰，u和y分别是系统的输入和输出，它们都是可以测量的，ε1和ε2分别是正向通道和反馈回路的噪声，GS和GR分别是系统开环的和反馈回路的传递函数,G1和G2分别是正向通道和反馈回路噪声的传递函数。闭环系统辨识就是用 w、u和y的测量值来确定系统开环的传递函数GS。用一般的系统辨识方法，通过w和y的测量值可以对整个闭环系统进行辨识而得到闭环系统的传递函数，通过u和y的测量值得到的开环传递函数GS误差比较大，因为这时输入u和噪声ε1不是统计独立的，而独立性是无偏估计(见参数估计)的充分条件。当w＝0和ε2 ＝0时，图1变为图2，对于这样的闭环系统，用u和y的测量值不能得到真实的开环系统传递函数GS，而只能得到GS的一个估计：。 闭环系统辨识的关键是保证输入u与噪声的统计独立性和保证GS的唯一性。70年代中期以来闭环系统辨识取得一些重要的结果：①在有反馈噪声的情况下，如果ε1和ε2统计独立,则用u和y的测量值可以辨识出GS与GR；如果ε1和ε2不是统计独立的,则GS和GR 没有唯一解。②在没有反馈噪声的情况下，如果GR已知,w≠0，而且w与ε1统计独立，则由u和y的测量值可以得到 GS的正确解；如果w =0（图2），则在一定条件下，闭环系统也是可辨识的。
参考书目
哥德温、潘恩著，张永光、袁震东译：《动态系统辨识：试验设计与数据分析》，科学出版社，北京，1983。（G. C. Goodwin and R. L. Payne， Dynamic System Identification： Experiment Design and Data Analysis, Academic Press, 1977.）
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