基于VFFRLS算法的锂电池参数辨识

动力电池性能是影响电动汽车综合性能的关键因素,因此准确辨识锂离子电池模型的参数对后续电池系统的荷电状态估计和健康状态预测至关重要。为了提高锂离子电池模型参数辨识算法的精度,以磷酸铁锂电池作为研究对象,建立电池二阶RC等效电路模型,并采用基于变量遗忘因子的最小二乘算法对锂离子电池模型进行在线参数辨识。通过搭建测试平台进行充放电实验,基于2种不同工况的实验数据,分别用文中算法、递推最小二乘算法和传统的带遗忘因子的最小二乘算法进行参数辨识,根据辨识结果估计出的端口电压与实验测试得到的实际值的误差比较来描述文中算法辨识结果的准确度。实验结果表明,基于变量遗忘因子的最小二乘算法在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度。

基于可变时序移位Transformer-LSTM的集成学习矿压预测方法

现有的矿压预测模型多为依赖固定长度时序序列特征的单一预测模型,难以准确捕捉矿压时序数据的复合特征,影响矿压预测的准确度。针对该问题,提出一种基于可变时序移位Transformer-长短时记忆(LSTM)的集成学习矿压预测方法。基于拉依达准则和拉格朗日插值法,剔除矿压监测数据中的异常值,插入缺失值,并进行归一化预处理;提出可变时序移位策略,划分不同尺度的矿压时序数据,避免固定长度时序序列可能存在的数据偏移问题;在此基础上,构建基于Transformer-LSTM的集成学习矿压预测模型,通过结合注意力机制和准确的时序特征表示能力,多层次捕捉矿压变化规律的动态特征,采用集成学习的投票算法,联合预测矿压数据,克服单一预测模型的局限性。实验结果表明:采用集成学习的投票算法可降低矿压预测平均绝对误差(MAE)和均方根误差(RMSE)的波动性,有效减小不同尺度特征序列对矿压预测结果的敏感性影响;Transformer-LSTM模型在2个综采工作面顶板矿压数据集上预测结果的MAE较Transformer模型分别提高了8.9%和9.5%,RMSE分别提高了12.7%和16.5%,且高于反向传播(BP)神经网络模型和LSTM模型,有效提升了矿压预测准确度。

基于输出误差模型优化的甲板运动预报算法研究

本文提出了一种适用于多种复杂海况的大型舰船甲板运动预报方法,目的在于提高算法对不同海域复杂海况的适用性,以及对甲板运动模型的辨识精度与预报精度。该方法通过将量测数据的时间滞后处理引入输出误差模型来描述甲板运动的动力学模型,引入定阶准则确定了模型最优阶数数对。在此基础上应用了辅助模型递推最小二乘算法进行系统参数辨识并估计输出误差模型中的状态变量。实验结果表明,本文所提出的预报方法在系统参数辨识阶段可以将递推最小二乘算法的辨识精度提高5.13%,并且在预报阶段可以有效地将甲板运动的幅值与相位预测精度提高3.17%。该方法在复杂海况下具备良好的预测性能,适用于大型舰船甲板运动预报。

遗传算法在水电机组调速器PID参数优化中的应用

水轮发电控制是一个复杂的动态过程,特别是对大型机组,控制策略和优化算法的选取对机组的性能尤为重要.为了获取不同工况下水轮发电机组调速器的优化参数,首先建立了一种机组的非线性全数字仿真模型.结合调节系统的特点,提出了一种新的反映系统综合性能指标的适应度函数,利用遗传算法对自适应变参数PID调速器的3个参数bt,Td,Tn进行了优化.具体实施优化过程中,采用了C++Builder编制遗传算法主程序;使用了Matlab中的Simulink工具箱建立机组仿真模型,交互接口通过Matlab中的引擎Engine来实现.仿真实验表明:与正交实验法寻优结果相比较,在机组的不同运行状态、不同工况下遗传算法都能获得更为理想的寻优效果.同时,该优化方法已经应用于某巨型电站的调速器中.

电力系统负荷建模和算法的研究及进展

为了给研究人员提供负荷建模研究及在电力系统分析中具有的重要意义较全面的认识,分析了现有的负荷建模方法,系统地阐述了负荷模型及算法上的进展,它包括在静态负荷方面通过采用连续动态方法,根据负荷电压的变化实时修正负荷模型参数,在临界状态下通过分段多项式模型描述加以改进;在负荷建模方面分析了负荷动特性描述、负荷时变性、模型参数的分散性、负荷模型无功分析和负荷的非线性、变结构特性方面问题解决的进展。结果表明,通过采用上述解决方法,使得负荷模型的精确性和适应性得到了较大程度的提高,从而满足复杂大电力系统的动态行为和安全稳定分析的要求。

基于数字图像处理的人员运动参数提取方法研究

针对人员疏散研究中提取疏散场景行人运动参数的需要,采用数字图像处理技术对记录行人运动的视频进行了处理。首先对背景进行混合高斯建模并提取前景,然后采用mean-shift算法对视频中彼此相连的多个行人目标进行有效地聚类分割并准确地跟踪每个行人,得到了包含有行人运动特性时空信息的运动轨迹,利用轨迹得到了行人在行进过程中的速度变化特征。结果表明该文所提出方法可以方便、快速、准确地提取人员运动特性参数,可望对提取人员疏散实验以及真实场景中行人运动的基础数据,如速度、密度、流量等提供有效的技术手段。

基于动态设计变量优化算法的非线性模型参数估计

为消除在传统非线性模型参数估计中由于线性化引起的模型误差,提出了一种基于动态设计变量优化的非线性模型参数估计算法·该算法以每个待估计的参数为设计变量,以与设计变量相关的误差函数为目标函数,并将参数约束条件构造在目标函数中,建立参数估计的最优化问题·针对圆形轨道倒立摆动力学模型进行参数估计,证明该算法具有很高的计算精度和较快的收敛速度,是解决非线性模型参数估计的有效方法之一·

基于可量测量的同步发电机参数时域辨识

同步发电机模型中不可观测量的存在使得发电机参数辨识困难。在派克模型的基础上,推导出一种状态量均为量测量的同步发电机参数辨识模型,基于该模型提出用直接积分最小二乘原理来辨识发电机参数,并采用分步辨识策略进行辨识。采用所提模型和算法,所有状态量均可直接由积分求取,避免了求解复杂的微分方程,简化了参数辨识方法,提高了辨识效率,而且降低了噪声对辨识结果的影响。利用MATLAB进行算例仿真,将所提模型与派克模型和某文献模型进行对比,结果表明所提模型和算法正确、简单且精度高。

基于单滤波器多模型算法的异步电动机参数自适应转速估计

研究多模型方法在异步电动机无速度传感器控制中的应用,建立了适用于转速估计和参数辨识的单滤波器多模型算法,并在此基础上利用变结构思想对算法进行改进,在提高估计性能的同时减少计算量。仿真和实验结果表明,所提出的算法能有效估计转速和磁链,比扩展卡尔曼滤波算法具有更理想的估计精度和响应速度;对于参数变化具有很强的跟踪能力,能及时的调整模型概率使得系统模型与实际电机匹配,以减小模型误差引起的状态估计误差;同时算法具有更少的计算量,适用于实时应用。

基于多变量控制—检测线性模型的工艺稳定性控制参数区间确定方法

为确保产品质量和可靠性水平,提出一种通过建立工艺过程控制参数与检测参数多变量线性关系来进行工艺稳定性控制的建模方法。以工艺物理规律或工艺统计数据为基础建立工艺过程控制参数与检测参数的多变量线性模型,通过参数估计得到检测参数的预测椭球和联合置信区间以及满足检测参数稳定性要求的多变量控制参数期望取值。针对实际工艺过程常用的三种目标函数,综合考虑模型误差与参数波动,采用遗传算法求解在给定置信度要求下满足检测参数稳定性要求的控制参数波动区间。以某产品典型制造工艺为例说明了所提方法的可行性。

安装变频调速装置的复杂注水系统运行优化研究

以轴功率最小为目标函数,以限制水量平衡、注水压力、调速泵转速、泵排量为约束条件,建立了安装变频调速装置的复杂注水系统运行参数优化数学模型。针对复杂注水系统的运行特点,采用改进遗传算法对运行优化模型进行了求解,同时优化了变频泵的位置和运行参数。改进遗传算法采用实数编码,并对适应函数进行了调整,采用随机多父辈适应函数值加权交叉法,改进了变异操作。在操作过程中,给出了泵排量和变频调速的处理方法,大大减少了不可行解的产生,使该算法的优化性能得到了提高。用算例说明了该优化方法的有效性。

基于改进粒子群优化算法的变截面涡旋盘瞬时铣削力模型参数求解

针对变截面涡旋盘瞬时铣削力预测存在的多元非线性难题,从涡旋盘实际铣削过程出发,建立了考虑刀具跳动的瞬时铣削力数学模型,提出了一种基于改进粒子群优化算法(PSO)对铣削力模型参数进行求解的方法,以提高瞬时铣削力预测模型精度。通过4组不同铣削参数下的瞬时铣削力实验对该方法进行验证,结果表明:该方法求解得到的变截面涡旋盘瞬时铣削力与实验测得的瞬时铣削力在形状和峰值处有较高的吻合度,4组实验的峰值误差在15%以内;采用自适应惯性权重和随机扰动因子的改进PSO算法能够有效地提高变截面涡旋盘瞬时铣削力系数辨识的收敛速度和收敛效果,还能提高算法整体搜索能力。该方法只需较少的实验次数就能辨识出较高精度的模型参数,比平均铣削力求解方法的实验成本更低,对涡旋盘的加工具有重要参考价值。

变焦遗传算法优化变增益模糊ARX模型研究

针对传统ARX模型对非线性系统模型辨识精度比较低的问题,进行了模糊模型和ARX模型相关优化算法的调查,介绍了遗传算法优化模糊模型的现状,提出采用改进变焦遗传算法优化变增益模糊ARX模型参数的方法以提高模型的辨识精度。改进的变焦遗传算法能在不同前代种群情况下更新不同数量基因,以提高搜索速度;用不同的概率选择交叉位置,可避免早熟现象,并能在较短时间内达到最优或次优解。变增益模糊ARX模型可根据非线性系统的变化改变其增益,使模型的辨识精度提高。利用改进变焦遗传算法的优点,对变增益模糊ARX模型的参数进行优化,并通过两入两出多时滞离散非线性系统进行试验仿真。试验结果证明了改进变焦遗传算法优化变增益模糊ARX模型参数的方法能提高模型辨识精度,表明了提出的优化方法的有效性,为变焦遗传算法与模糊模型的结合提供了一种途径。

考虑厂用旋转负荷贡献的发电厂惯量修正估计

在传统的电网惯量和频率稳定评估中,忽略了发电厂内部异步电动机负荷的惯量贡献,可能导致评估结果产生偏差。基于此,研究了常态下、考虑旋转负荷贡献的发电厂惯量修正估计方法。将发电厂及内部电动机负荷等效为一个整体,利用出口母线的有功/频率常态化小扰动数据估计发电厂等效惯量。针对发电厂等效惯量为时变参数的特点,提出应用受控自回归模型和基于可变遗忘因子的递推最小二乘辨识算法估计惯量参数。算例验证结果表明:所提出的辨识模型精度较高,能适应小扰动输入/输出数据的参数辨识。考虑电动机旋转负荷的惯量贡献时,发电厂等效惯量和系统等效惯量均存在差异,并具有时变特性,获得的修正惯量能更客观地评估发电厂惯量和系统惯量。

遗传算法求解变循环发动机稳态性能参数研究

以双涵道变循环发动机为研究对象,在一定简化条件下采用部件级建模法在MATLAB平台上建立了整机的稳态数学模型,开发了该模型的求解程序进行数值仿真。为求得满足平衡方程和约束条件下稳态发动机的性能参数,将发动机性能参数作为设计变量,平衡方程相对偏差的和作为目标函数,用遗传算法(GA)对加入插值法出错机制的模型进行求解。计算结果表明:在GA程序中加入出错处理机制的程序,可有效解决多连通、小范围连续的可行域,以及插值法产生的问题,进而求得该工况下的稳态发动机性能参数。

一种时变参数模型法在连续变速颤振试验信号处理中的应用研究

针对连续变速颤振试验信号的非平稳特点及在线分析需求,提出了一种基于基函数的时变参数模型分析方法。该方法采用递推最小二乘算法对数据建立时变的参数模型,并将时变参数用基函数的加权和来表示,从而将1个线性非平稳问题转化为线性时不变问题。数值仿真及低速风洞气弹模型的试验结果证明了文中方法的计算精度和速度可以满足连续变速颤振试验的要求。

多元部分变量误差模型及解算

本文针对多元总体最小二乘中系数矩阵存在常数项和重复元素的问题,提出了一种多元部分变量误差模型(multivariate partial EIV model)。根据总体最小二乘平差准则,采用非线性最小二乘平差理论和经典间接平差方法推导了三种多元部分变量误差模型的解算算法。通过一个实测算例和一个模拟算例进行了参数解算,结果分析表明本文算法能得到与文献算法一致的参数估值,验证了本文算法的有效性和可行性。

基于遗传算法的PARAMICS可变限速仿真参数自动标定

仿真技术被广泛应用于可变限速控制技术的研究中。为保证可变限速控制的仿真结果与真实情况相符,采用遗传算法对PARAMICS仿真模型中可变限速控制参数标定进行研究。阐述了可变限速控制路段的交通流参数采集,提出了在PARAMICS仿真模型中针对可变限速控制的参数自动标定流程,分析了基于遗传算法的可变限速控制参数标定结果。实验表明提出的参数标定方法能够有效的确定可变限速控制仿真过程中关键参数取值,参数标定后的仿真结果与真实数据更为接近,提高了仿真精度。

基于改进内模解耦控制的空调系统优化

内模解耦的控制方法具有较好的抗干扰能力,针对时滞性问题也有较好的控制效果,但是其多变量内模解耦控制器的内部结构复杂,计算量较大。提出了利用遗传算法对内模控制器的参数进行优化。首先对变风量空调系统的解耦控制器进行设计,然后确定目标函数的优化参数,并设计了利用遗传算法进行优化的步骤,最后通过MATLAB进行仿真。仿真结果表明,系统的超调量小,抗干扰能力强,即使在模型不匹配时依然能够实现稳定控制。

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。