项目中包括锂电池模型建立、参数辨识与验证、SOC估算采用扩展卡尔曼滤波(EKF)，使用了两种方式实现： 1. Simulinks(EKF only) 2. 脚本(包含EKF和UKF) 模型的输入包括电流和电压来自于HPPC（混合脉冲功率特性）测试的电池数据 脚本文件可以仿真在BBDST(北京公交车动态街道测试)工况和带有观测噪声的恒流工况下的锂离子电池放电过程，利用EKF UKF方法估算电池荷电状态。

依据悬架实体在ADMAS中建立1／4悬架模型并采用遗传算法辨识模型参数，得到了一个更能真实反映悬架性能的简化辨识模型.在此简化辨识模型的基础上分析了几种基于天棚阻尼原理的控制方法的特点，提出了一种基于免疫优化的混合阻尼半主动控制方法.仿真结果表明，基于免疫优化的混合阻尼半主动控制方法能够改善被动悬架的性能；在一定控制指标下，混合阻尼控制对被动悬架性能的改善优于天棚阻尼控制和地棚阻尼控制.

以惯性特征系统作为研究对象，针对常规PID控制器参数的设置问题提出了基于系统最速特征模型的辨识算法，该算法利用惯性特征系统的输入输出特性，通过最小二乘法辨识出系统的一阶特征模型，然后再根据一阶特征模型、控制律和系统的动、稳态性能的要求辨识出系统的二阶最速特征模型，同时也计算出PID控制器的参数.仿真结果表明，该算法能够使 PID控制具有最速响应的特征，为PID参数设置提供了一种计算方法.

系统辨识及其MATLAB仿真,侯媛彬等编著,科学出版社,2004

最小二乘法（Least Square, LS）大约是1795年高斯在其著名的星体运动轨道预报研究工作中提出的。后来，最小二乘法成为了估计理论的基石。最小二乘法由于原理简明、收敛较快、易于编程实现等特点，在系统参数估计中应用相当广泛。 在自适应控制系统中，被控对象通常都可以不断提供新的输入输出数据，而且还希望利用这些新的信息来改善估计精度，因此常常要求对象参数能够在线实时估计。解决这个问题的方法就是采用最小二乘算法的递推算法，其基本思想可以概括为： 即将下式改写为递推形式，即递推最小二乘参数估计算法。可以辨识定子电阻，磁链，DQ轴电感。

大将军智能第九代双涡轮辨识核心驱动。

为了提高大型复杂型体件加工用龙门式双摆头五轴机床的加工精度，用激光跟踪仪对五轴机床两个旋转轴准静态误差以及旋转轴中心轴线与三个直线轴间垂直度误差进行了辨识测量。基于刚体运动学原理和齐次变换矩阵方法建立了包含旋转轴准静态误差和旋转轴中心轴线与三个直线轴间垂直度误差的误差模型；用激光跟踪仪测出旋转轴循圆运动到不同角度位置时其端面上点的空间坐标，由此建立旋转轴误差方程组，求出旋转轴各项误差值。对循圆轨迹进行拟合得到圆心坐标，进而得到旋转轴中心轴线方程，求出旋转轴中心轴线与直线轴间的垂直度误差值。将旋转轴各项误差值代入误差补偿模型中，通过圆锥台误差补偿前后加工实验结果对比，表明所采用的旋转轴误差测量方法可以有效提高五轴机床的加工精度。

系统的辨识是人工智能领域实现自主识别应用的重要研究方向，在本程序中主要介绍了一种用matlab程序实现系统辨识的经典方法

机器人开发机

根据汽车悬架动力学特性的理论知识，建立了七自由度汽车悬架整车动力学方程。推导了悬架动力学方程从惯性物理坐标到传感器坐标的变换，利用执行器作为激励，采用时域辨识方法对参数进行辨识。根据最小二乘估计递推算法，建立了从执行器到传感器的汽车悬架整车动力学模型，实现了悬架模型在线参数辨识，为七自由度汽车悬架的振动主动控制打下基础。