车间里机器系统的噪声场是非平稳的,噪声源和传播的影响因素有很多,变化规律很难确定。通过试验获得了典型车间中的具有重要特征的噪声信号,经过数据特点分析综合,得到其变化规律。再利用灰色理论建立了该车间系统的噪声多因素预测模型,模拟出噪声的变化规律。

讨论了利用人工神经网络对热电偶传感器进行模型辨识的方法，采用这种方法要比传统的ＲＯ、ＥＰＲＯＭ查且匹配法具有更好的灵活性与适应性，可以方便实现在线地对热电分崩离析修正，从而提高热电偶传感测量精度。

针对火电厂热工过程对象的特点及传统模型辨识的缺陷，将粒子群算法应用于热工过程模型的辨识，并在实现方法、参数选取等方面进行了改进，提高了辨识的精确性与快速性。通过仿真数据及以某台300MW机组锅炉烟气挡板控制为对象，对再热蒸汽温度系统进行辨识，证明了该方法的有效性和可靠性。

一、概述众所周知，在对液压系统或元件进行控制和研究时，首要的任务就是用恰当的数学模型来描述被控对象的动态特性，只有掌握了数学模型才能对系统进行深入的研究和精确的控制。由于液压系统包含一些理论上难以精确确定的参数和非线性因素，以及系统参数随实际

一、前言图1为一电液力伺服控制系统,它在本实验室内用作加载器,可模拟由信号发生器(或磁带机、计算机)产生的任何形式的信号,如阶跃、正弦等典型信号或随机信号。但毫无疑问,它的使用范围受其本身动态特性(如频宽)限制。因此,系统的建模及有效的校正往往是非常必要的。

针对传统控制器对数学模型依赖的缺点，利用神经网络具有逼近任意非线性函数的优点，采用RBF算法，对气动伺服位置系统模型进行参数辨识，结果证明行之有效。这种具有控制与辨识功能的方法为非线性系统的参数确认和优化控制提供了新的途径。

本文用闭环辨识方法获得开环不稳定的二次调节系统的开环数学模型，克服了系统参数不易确定的缺点，并将系统模型简化为二阶模型。在此基础上，用计算机控制输出转速，取得了较好的试验效果。

本文指出可把摩擦力引起的死区非线性视为正比于单位速度向量的反馈,并建立了有巨大摩擦力的电炉电极控制液压伺服系统的方框图及传递函数,以脉冲响应法对之进行了辨识。辨识结果与实际一致。

在对液压控制系统进行建模过程中，由于液压伺服系统普遍存在非线性，使用传统的机理建模方法就难以建立准确的数学模型，也就不能准确地反应系统实际情况。而过程的输入输出数据一般都是可以测量的，且过程的动态特性必然表现在实验结果数据之中，因此可通过系统辨识的方法，利用这些数据建立对象的数学模型。本文作者确定出模型的结构，然后利用最小二乘法辨识出了阀控马达系统参数模型，仿真汪明此模型是比较精确的。

采用有效通流面积参数描述比例阀阀口流量与阀口压降之间的关系并建立其模型。基于FESTO液压实验平台搭建液压回路，根据采集的实验数据，采用最小二乘法辨识模型参数，得到比例阀的有效通流面积和控制信号的二阶传递函数。实验结果证明了该方法的正确性和可行性。