基于AR/CGARCH模型的液体火箭发动机自适应阈值故障检测算法

为了解决传统自适应阈值算法对时间序列方差跟踪能力不足,以及故障阶段带宽自动放大的问题,提出了紧广义自回归条件异方差(Compact General Auto-Regressive Conditional Heteroskedasticity,CGARCH)模型。针对液体火箭发动机稳态试车数据的波动性特点,提出一种基于自回归(Auto-Regressive,AR)模型和CGARCH模型的自适应阈值故障检测算法。采用AR模型对稳态参数的均值进行估计,并采用CGARCH模型对稳态参数的方差进行估计,从而利用均值和方差的估计值自适应地构造检测阈值。用某氢氧火箭发动机的热试车数据进行验证,结果表明,该算法能够准确、快速、灵敏地检测液体火箭发动机故障,在正常工作阶段,能够有效跟踪数据波动性,在故障阶段,能够避免阈值变宽带来的漏检。

遥控水下机器人模型辨识及预测控制算法研究

针对遥控水下机器人(remotely operatedvehicle,ROV)因非对称结构布局、重心和浮心位置变化等因素造成的运动状态耦合和模型非线性问题,文章提出了一种考虑ROV典型非线性特性的在线模型辨识方法,研究并推导了基于所辨识模型的多维预测控制(model predictive control,MPC)算法及其基于算子分割二次规划的快速优化求解方法,搭建了包含ROV非线性数学模型、模型参数辨识算法模块和MPC算法模块的算法仿真系统。通过在辨识模型中分别考虑非线性特性和不考虑非线性特性,改变ROV数学仿真模型的ROV浮心位置参数,对比仿真验证了本文模型辨识算法的有效性和先进性;在上述辨识模型的基础上,对比仿真分析了4种情况下ROV的姿态控制效果,即MPC算法依托的辨识模型是否考虑ROV典型非线性特性,以及基于直接求解MPC算法和本文所提出的基于快速优化近似求解的MPC算法,验证了本文所提控制算法的有效性。

基于机器学习的自适应光伏超短期出力预测模型

由于当前国内对太阳辐射强度和云量信息的预报能力较低,气象数据的引入对光伏直接预测法的预测精度提高有限。为解决此问题,基于历史出力数据自身特征的挖掘来提高预测精度,提出一种具有自适应能力的光伏超短期出力预测模型。该模型首先利用已有历史出力数据的小波分析和特征分析结果训练支持向量机(support vector machine,SVM)分类器,通过已建立的SVM分类器利用前30 min的光伏出力数据预测之后15 min的出力曲线类型,最后结合曲线类型从自回归与滑动平均模型(auto-regressive and moving average model,ARMA)和神经网络模型(artificial neural network mode,ANN)中选取出合适的方法对光伏出力进行预测。对ARMA、ANN和自适应模型进行了对比实验,结果表明:所提的自适应预测模型在均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和希尔不等系数(Theil inequality coefficient,TIC)上性能最好。

基于AR模型的脑-机接口问题研究

在脑一机接口的研究中分类识别技术占有重要地位。将脑电信号中事件去同步化/相同步化现象作为特征信息,深入讨论基于AR模型的自适应算法(AAR)和多变量参数AAR模型算法(MVAAR)在脑电信号特征提取中的应用。结合三种分类器,对这两种算法进行了比较,实验证明两种方法的实验效果都很好,但是MVAAR算法比AAR算法能够达到更高的分类正确率,其阶次一般选取也比较低,数据仿真吻合度高,具有更强的通用性。

基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测

利用最小二乘支持向量机(LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择。对于支持向量机中的核参数σ和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择。在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度。选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比。实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域。

多元自回归滑动平均模型辨识与电力系统自适应阻尼控制

传统基于离线模型参数和典型运行方式设计的电力系统阻尼控制器存在适应性问题,提出一种基于辨识的自适应控制器设计方法,可解决一般自适应控制中快速性和准确性要求之间的矛盾。所用的多元自回归滑动平均模型(auto regressive moving averaging vector,ARMAV)辨识在电网正常运行过程中针对由负荷等随机扰动引起的类噪声信号进行;在综合考虑辨识误差、阻尼要求和稳定裕度基础上,提出阻尼控制零极点配置基本原则,并设计相应的遗传算法优化方法。为了充分检验上述辨识与控制系统的效果,基于广域测量平台对其进行软硬件实现,并在东北电网简化系统中进行实时数字仿真(real time digital simulation,RTDS)测试,实验结果说明了所提方法的可行性和有效性。

改进的MEMS陀螺随机噪声自适应滤波算法

针对微机电系统(MEMS)陀螺仪随机噪声建模时,自回归滑动平均(ARMA)模型中有色噪声白化问题,提出了将有色噪声作为系统状态方程控制项,以改进解耦自适应Kalman滤波算法,从而提高MEMS陀螺仪的噪声补偿效果。实验结果表明:经改进算法滤波后,MEMS陀螺仪噪声均方差减小85.1%,随机误差项减小41.9%;与标准Kalman滤波算法、解耦自适应Kalman滤波算法相比,改进算法的随机误差项分别减小30.5%,10.1%,能更好地降低MEMS陀螺仪随机噪声。

一种改进的自适应滤波算法及其在回波消除中的应用

该文改进了一种自适应滤波算法,并对新算法进行了收敛性分析。作为应用,将新算法应用于混沌调制通信系统在回波信道中的回波消除问题。仿真结果表明,改进后的算法比原算法具有更好的收敛速度和收敛精度;在低信噪比下,新算法更为稳定。

闽江七里街流域洪水实时预报修正方法研究

根据闽江七里街流域水文实测资料信息,利用新安江三水源模型对该流域实时洪水预报进行了研究,分别采用自回归模型和自适应洪水修正方法对预报洪水过程进行了实时修正.分析结果表明,对预报洪水过程进行实时修正,能大大提高预报精度,采用自适应洪水修正方法具有较强的实时跟踪系统动态变化的能力,其修正效果优于自回归模型.

基于天气预报估算参考作物蒸发蒸腾量的预测模型比较

参考作物蒸发蒸腾量(ET0)是计算作物需水量和进行灌溉预报的基础要素。利用天气预报可测因子和Penman Monteith公式计算ET0,分别建立多元线性回归模型(MLR)和自适应神经模糊推理系统模型(ANFIS),两种方法的估算值与Penman Monteith公式计算值没有明显的差异,自适应神经模糊推理系统预测值相对于多元线性回归模型具有整体吻合度好,相关性高。两种预测模型的输入项完全可以从当前短期气象预报中获得,程序运行操作简单,具有实用价值,为实时灌溉预报提供了理论基础。

ANFIS与多元回归模型在ET_0实时预报中的对比研究

以气象数据为自变量,Penman Monteith方程计算值ET_0为应变量,分别建立了多元回归模型和自适应神经模糊推理系统(ANFIS)模型,对ET_0预测结果对比分析,ANFIS预测ET_0结果相对于多元线性回归具有精度高(1<ET_0<5)。预测结果与输入的Penman Monteith方程计算得ET_0相关性高。ANFIS预测ET_0模型输入项完全可以从当前短期气象预报中获得,程序运行操作简单,在辽阳市实时灌溉预报中有一定的推广意义,具有实用价值。

基于振动特征估计的GIS设备故障检测与分析

针对气体绝缘金属全封闭开关设备(gas insulated switchgear,GIS)故障频发问题,提出一种基于振动特征估计的GIS设备故障检测与分析方法;首先,提取GIS设备金属外壳振动信号特征并基于通用自回归模型建立系统的状态空间模型;然后,采用粒子滤波算法对GIS设备振动特征进行估计。同时,将特征估计值与实际测量值之间残差的绝对值作为设备故障检测指标,结合自适应阈值方法来检测故障;最后,依据振动特征残差的变化趋势实现机械故障与放电故障的隔离。对多组变电站现场GIS设备不同故障前、后实测振动数据的仿真分析发现,通过振动特征估计不仅可以准确检测设备故障,而且可以有效隔离设备机械故障与放电故障。

滑动窗口二次自回归模型在径流预报中的应用

为提高径流预报精度,采用滑动窗口二次自回归模型进行径流中长期预报,提出自适应优化、平稳滑动窗口和均方根误差最小的综合选取模型参数的方法.实例应用结果表明:该方法不仅提高了模型的预报精度,而且保证了模型的稳定性;与人工神经网络模型相比,滑动窗口二次自回归模型的1步预报具有更高的精度,可用于中长期径流预报.

基于灰色系统的支持向量回归预测方法

根据部分时间序列数据贫信息、高噪声和非线性等特点,采用含边值修正的灰色模型进行预测,获取残差序列后运用支持向量回归(SVR)方法对模型进行残差修正得到复合的灰色支持向量回归模型.在支持向量回归中构造具有自适用性的动态惩罚参数Ci替代传统SVR中的不变参数来提高模型的准确性,同时构造算法决定ε以平滑过度调节.广东省工业生产指数的预测试验结果表明,复合模型具有比其他简单模型更理想的预测效果.

改进模糊自回归模型在预测网络接通率中的应用

针对通信网络中性能指标预测的需要,提出了基于改进的模糊自回归模型的接通率预测方法,研究了拟合度门限自适应的模糊自回归模型。将中值滤波应用于模糊自回归模型的数据预处理中,在此基础上,针对部分应用拟合度门限不明确的特点,将拟合度门限计算式加入预测模型中,实现模型拟合度门限的自适应。仿真实验表明:基于Fuzzy AR模型的预测方法可以用于对接通率的预测,预测结果拟合度较高。

灰色自适应模型及在负荷短期预测中的应用

本文针对电力负荷变化的非平稳性,首先建立起灰色模型分析用电负荷的趋势项,用灰色模型值与原始数据值进行比较,得出一系列误差值,作为二级数据,进一步应用自回归AR(2)模型对灰色模型产生的误差进行适应性调整。以1991年上海市用电负荷为例,预测二周用电负荷的平均相对误差为1.65％,对于特殊的节假日负荷,根据其自身的特点,本文则采用二元线性拟合模型进行预测,以避免产生大的预测误差。采用本文的系统具有一定的自适应性,对于非平稳性的电力负荷具有很好的预测效果。

高空作业平台广义预测自适应控制及联合仿真

为减少工程车辆控制系统开发周期和成本,以某型54m高空作业平台电液比例调平系统为研究对象,利用ADAMS软件建立作业机构多体动力学模型;采用AMESim软件建立电液比例调平系统模型;通过MAT-LAB/Simulink设计,采用改进的广义预测自适应控制的闭环控制器;以AMESim作为主仿真环境,通过软件接口将多体动力学模型和控制系统模型集成到AMESim中进行联合仿真。仿真结果表明,闭环控制器较常规PID控制器具有良好的动态特性,对模型失配和负载扰动表现出更强的适应性和鲁棒性,同时也证明了联合仿真的有效性。

一种光纤陀螺随机噪声时间序列建模与实时滤波方法

为了减小光纤陀螺(FOG)的随机噪声,利用时间序列分析法对FOG的随机噪声进行了分析与建模,并在建立的自回归滑动平均(ARMA(2,1))模型基础上,采用一种将改进递推增广最小二乘(RELS)算法和Sage-Husa自适应卡尔曼滤波算法相结合的方法,对采集的FOG静态输出随机噪声进行实时补偿,同时与标准kalman滤波算法进行仿真对比。仿真结果表明,该方法具有更好的补偿效果,可更有效地抑制FOG随机噪声。

基于几何分布滞后模型消费与收入的综合应用

在几何分布滞后模型的基础之上,讨论了自适应预期模型和局部调整模型,鉴于它们各自导出模型的经济假设前提不同,导致随机误差项的结构有所不同,从而给模型的估计带来一定的不同。通过建立一个局部调整—自适应预期综合模型,利用它估计模型的优势,克服了几何分布滞后模型直接估计所带来的一阶自相关性的影响。

基于多尺度分解集成组合模型的碳价格预测研究

准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。