基于改进最小二乘法的SCR脱硝系统模型辨识

针对某电厂600 MW机组选择性催化还原(SCR)烟气脱硝系统,基于平方误差损失函数(SELF)提出了一种新的衰减记忆递推最小二乘(FMRLS)算法来进行模型辨识。并采用直接法确定不同运行工况下闭环系统的模型参数和延迟时间。改进前后辨识模型的输出与实际运行数据的对比结果表明,该方法具有偏差范围小、收敛速度快、精度高等优点,验证了模型的有效性,为喷氨自动控制和降低NOx排放提供了模型参考。

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.

河网洪水预报的衰减二乘自回归校正应用

洪水预报是河网地区防洪排涝规划、洪水调度的重要组成部分,而水动力模型是其计算基础。由于模型受多种因素的制约和影响,水动力模拟计算的水位有时与实测水位存在较大的误差,需要用一定的技术方法来校正。通过对这种误差序列分析后,利用自回归模型结合衰减记忆递推最小二乘法(衰减二乘)更新参数,并利用实测资料进行了相应的验证。对研究区的三场洪水进行模拟,计算分析表明,所采用的校正技术能有效提高计算精度,可以应用于实际河网洪水预报中。

雷达低仰角目标跟踪的测角误差实时补偿算法

为提高雷达对低空目标的跟踪精度,提出了一种基于渐消记忆递推最小二乘法的测角误差实时估计算法。该算法利用不同设备同时对目标进行跟踪,得到不同的观测结果。利用渐消记忆递推最小二乘法对不同的观测结果进行处理,赋予不同的权值,得到最终的测角误差估计值。通过理论分析,构建多径环境模型,对该算法的效能进行验证。仿真结果表明,由该方法得到的测角误差估计结果估计误差小,同时可有效减小测角误差的抖动,得到稳定的测角误差估计结果。

基于灵敏度分析的翼伞系统动力学参数辨识

翼伞系统动力学参数在飞行过程中具有强非线性特点,很难构建精确的动力学模型,导致操稳特性分析和控制律设计具有很大难度。文章在翼伞系统六自由度动力学模型的基础上,采用Sobol灵敏度分析的方法,筛选出能够对翼伞系统动力学特性进行有效分析的主要动力学参数,然后,利用衰减记忆递推最小二乘法在线辨识这些动力学参数,通过对每个数据进行指数加权,减小前期扰动对辨识结果的影响。仿真结果表明,文章研究的方法具有较好的辨识结果。

限定记忆法辨识带钢热镀锌退火炉模型参数

最小二乘参数估计方法可用于线性的或非线性的系统参数辨识,包括动态的、静态的和参数的或非参数的模型辨识,其递推算法更是收敛可靠,简单实用。但是随着数据的不断增长,最小二乘的递推算法将失去修正能力,出现数据饱和现象,限定记忆最小二乘法解决了这一问题,并能得到无偏、一致、有效估计。以已建立的连续带钢热镀锌退火炉数学模型为实例,用限定记忆最小二乘法辨识连续带钢热镀锌退火炉模型参数。通过对限定记忆最小二乘法的研究,进行模型参数辨识,并给出辨识结果和分析,结果证明了该方法的优越性。

一种提高轨道预测精度的递推估值算法

测控雷达系统必须具有跟踪目标速度快、精度要求高等特点,并且当目标信号受到障碍物遮挡目标丢失后,要求测控系统能够对目标运行轨迹进行精确预测,提高目标重新出现后的重捕概率。为了提高轨道预测精度,在轨道跟踪算法基础上引入了最小二乘法数据外推理论,使用最小二乘法对丢失后的目标轨道数据进行了预估值外推分析,并针对最小二乘法数据外推随着时间增长精度快速变差的缺点,引入了递推的最小二乘法。通过实验和数据分析表明,使用递推最小二乘法能够大幅度提高目标丢失5 s内的轨道预测精度,满足雷达测控系统记忆跟踪和目标重捕的要求。

一种基于小波变换的次级通道在线辨识方法

针对实际主动控制系统中,次级通道随着传感器位置、作动器输出特性变化而实时改变这一问题,将小波变换思想引入到在线辨识算法结构中,改进在线辨识算法.通过小波变换将误差信号中控制信号相关分量与随机噪声相关分量分离开来,极大程度削弱甚至消除了辨识环节和控制环节之间相互影响,提高了算法的收敛性能和控制精度.基于Matlab/Similink进行控制仿真,搭建试验台架进行控制试验.仿真和试验结果表明:改进后算法辨识精度高,收敛速度快,控制效果好.

基于迭代优化算法的AUV水下运动目标航行参数估计

为了解决自主水下机器人(autonomous underwater vehicle,AUV)对水下运动目标进行实时动态追踪的技术难题,本文将渐消记忆递推最小二乘算法与平方根算法相结合,提出一种迭代优化算法。该算法充分利用渐消记忆递推最小二乘算法的快速收敛性能,利用平方根算法解决迭代过程中的数值不稳定问题。迭代优化算法能够快速解算出运动目标的初始距离、航向角及运动方向,数值收敛时间约为3 min,目标运动速度信息也能够在5 min左右收敛。该算法的收敛时间短、计算速度快,甚至AUV无需进行任何形式的机动即可令其保持悬停,这些优点使本算法适用于AUV水下运动目标追踪的工程实际问题。