滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(12):多变量OEARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对多变量输出误差自回归滑动平均(M-OEARMA)系统,即多变量Box-Jenkins系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶递推广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波辅助模型递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(14):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量输出误差随机系统中。

滤波辨识(13):类多变量方程误差ARMA系统的滤波递阶广义增广迭代参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广迭代梯度辨识方法、滤波递阶广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法。这些滤波递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量方程误差随机系统中。

基于多新息最小二乘和多新息扩展卡尔曼滤波算法的锂电池SOC估计

针对现有SOC(荷电状态)估计方法中电池模型参数恒定,没有考虑电池模型参数的动态变化,导致SOC的估计不够精准的问题,文中提出了一种基于电池模型参数在线辨识与SOC估计联合的算法。在二阶RC等效电路模型基础上,采用多新息最小二乘(Multi Innovation Least Squares,MILS)算法对锂离子电池模型中的参数进行在线辨识,从而对电池模型进行实时修正;同时基于修正后的电池模型,采用多新息扩展卡尔曼滤波(Multi Innovation Extended Kalman Filter,MIEKF)算法对电池荷电状态进行估计。MILS算法可以解决在线参数辨识过程中的初始误差累积问题,能够实现模型参数的在线精准辨识,MIEKF算法融合了多新息理论和卡尔曼滤波理论,加入了遗忘因子以削弱历史数据并修正权重,解决了数据过饱和问题,具有较高的准确性和收敛性。实验结果表明,在对电池模型进行参数辨识时,MILS算法、RLS算法辨识的均方根误差分别为1.4、1.9 mV,MILS算法相比RLS算法的估计精度提高了26.3%;对于参数辨识后SOC的估计,MIEKF算法估计的均方根误差为0.0037,EKF算法、AEKF算法估计的均方根误差分别为0.0073、0.0052,MIEKF算法比EKF算法的估计精度提高了49.31%,比AEKF算法的估计精度提高了28.84%;并且在给定SOC初值错误的情况下,文中所提出算法在电池开始工作后30 s左右就能够收敛到真实值,是一种精度高而且鲁棒性好的有效估计方法。

基于改进粒子群算法的标签天线结构参数多目标优化设计

为了解决天线设计人员应用电磁仿真软件优化天线结构时存在的优化方向不明确和优化速度慢的问题,文中以干式水表的嵌入式射频识别标签天线设计为例,提出了基于改进粒子群算法的标签天线结构参数多目标寻优方法。首先,根据干式水表产品追溯需求,提出了中心频点尽可能接近理想中心频点、回波损耗尽可能低、带宽尽可能宽、面积尽可能小的四个目标函数。其次,为避免粒子群算法陷入局部最优,采用多维均匀拉丁超立方初始化、Logistic混沌映射非线性变化惯性权重、网格划分变化学习因子、高斯扰动策略等方法对算法进行改进,并应用于标签天线结构参数多目标优化中。最后,进行了实例验证。验证结果表明:利用改进后的粒子群算法得到的标签天线结构参数优化结果可更大程度满足优化目标需求,优化耗时仅为电磁仿真软件的40.1%。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

吸附性土壤溶质运移参数识别的粒子群-差分算法

非饱和土壤水分和溶质运移参数(导水率、扩散率、水动力弥散系数)的识别是进行数值模拟的关键。基于垂直一维非饱和吸附性土壤水分-溶质运移方程,以溴化钾为入渗溶液,分别以土壤含水率和溶质溶度的实测值与计算值标准差最小为优化目标,建立水分-溶质运移参数识别的多目标优化模型。应用权重系数法,将这一多目标优化问题转化为单目标优化问题,采用动态权重、异步时变学习因子的粒子群算法对模型求解。通过土柱实验,测定了220、380和780 min三组时刻的土壤含水率以及钾离子浓度的空间分布值,以前两组数据识别参数,第三组数据进行验证。结果表明入渗780 min权重系数为0.5时含水率以及钾离子浓度的计算值和实测值相关系数分别为0.977和0.952,标准差分别为0.007 4、2.369,实测值和计算值吻合较好,这表明粒子群识别水分和溶质运移参数是可行的。数值模拟表明,权重越大含水率实测和计算值的相关系数越大而浓度实测值和计算值的相关系数越小。

基于D-S证据理论的多参数反演的火成岩识别——以塔里木盆地哈拉哈塘地区为例

塔里木盆地哈拉哈塘地区具有良好油源地质条件,该地区二叠系火成岩普遍发育,复杂的岩性和剧烈的厚度变化影响下覆油气资源的勘探.为识别该地区英安岩和玄武岩这2种主要分布的火成岩,分析不同岩性的特征响应,选取有效岩性识别参数,进行多参数反演;利用基于D-S证据理论的信息融合技术对多参数反演结果进行融合,挖掘参数反演数据体的优势信息,得到岩性识别的概率体,有效避免传统波阻抗反演结果的局限性.该方法可预测主要火成岩类型在空间上的展布和厚度变化,提高岩性解释精度,在识别火成岩岩性方面取得较好效果.

考虑土-结构动力相互作用的框架结构的参数识别研究

对一座采用柱下独立基础的钢筋混凝土4层框架结构进行了随着层数增加的4种工况模态实验,用脉冲锤击法测试得到了各种工况的整体模态频率和振型。考虑地基-基础-上部结构动力相互作用,上部框架结构采用缩聚得到的弯剪结构模型,下部基础利用Pais等人提出的弹性地基上埋置矩形板的地基阻抗函数进行简化处理得到的计算模型。在满足地基动剪模量和各层混凝土的弹性模量随框架层数的增加而增加的原则下,建立了4种工况下的多目标优化准则。将基于频率数据识别欠定问题的灵敏度方法进行了结构物理参数以及地基参数同时识别,识别得到的模态实验值与测试值符合良好。识别结果能够反应地基基础对结构的影响并为进一步损伤诊断提供了依据。

RTK-GPS测量建筑物振动的多频率成分分析

提出利用RTK-GPS(实时动态全球定位系统)技术观测建筑物多频振动,并采用信号参数识别法分析其多频振动成分。工程实例证实RTK-GPS技术能满足建筑物多频振动测量的精度要求,采用该信号参数识别法分析其频率成分是可行的。

EMPE和KP-KELM在行星齿轮箱故障诊断中的应用

针对非线性、非平稳的行星齿轮箱振动信号故障特征"难提取"和基于核参数随机生成的高斯核极限学习机状态辨识模型分类精度低的问题,提出一种改进多尺度排列熵(Enhence Multi-scale Permutation Entropy,EMPE)与核极化高斯核极限学习机(Kernel Extreme Learning Machine,KELM)结合的行星齿轮箱状态辨识方法。首先,将经由形态平均滤波的行星齿轮箱行星齿轮的振动信号,借助于EMPE来获取多尺度下的排列熵值(Permutation Entropy,PE)构建高维特征向量集;其次,利用核极化(Kernel Polarization,KP)优化高斯核极限学习机的核参数σ;最后,将EMPE特征向量集作为输入,通过KP优化KELM算法的训练建立行星齿轮状态辨识模型。实验结果表明,与基于SVM和KELM的状态辨识模型相比,基于EMPE和KP-KELM的行星齿轮故障诊断方法具有更高的分类精度。

2-自由度强非线性振动系统的参数识别

提出了非线性多自由度系统的一种新的参数识别方法,研究了二次非线性的2-自由度系统.基于保守系统存在能量积分的特点,由系统的运动微分方程导出了哈密尔顿函数,并用它作为参数识别的数学模型.利用系统自由振荡条件下相坐标测量值集合对系统的哈密尔顿函数进行拟合,并用最小二乘法进行参数识别.不管系统非线性度的强弱如何,只要系统是保守的,这种方法就有效.

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

多目标差分进化算法改进与电工钢片磁致伸缩模型参数辨识

准确且高效地辨识电工钢片磁致伸缩模型参数是模型在变压器铁心振动分析中的应用前提。针对现有单目标优化算法不能兼顾参数辨识精度和速度的问题,该文基于改进Jiles-Atherton-Sablik和Energetic模型相结合的磁致伸缩模型,将该模型的参数辨识转换为多目标优化问题。以磁滞回线和磁致伸缩曲线的均方根误差作为待优化的2个目标,建立参数辨识的多目标优化数学模型。基于该模型,从控制参数自适应技术、变异算子改进策略以及选择算子改进策略3个方面对多目标差分进化算法进行改进,从而提出一种采用改进多目标差分进化算法的磁致伸缩模型参数辨识方法。通过与现有方法对比,该文方法的磁滞回线求解精度提升17.84%,磁致伸缩曲线求解精度提升13.60%,辨识速度提升41.57%。

基于FF-MILS和UKF算法的锂电池SOC估算

为了建立精确的锂离子电池模型,在线监测电池的荷电状态(SOC),采用二阶等效电路模型,通过实验数据拟合开路电压(OCV)与荷电状态的对应关系。选用遗忘因子多新息递推最小二乘法(FF-MILS)为在线辨识算法完成对锂离子电池在线模型参数估测,同时将所得模型参数传入卡尔曼滤波器,完成对动力电池荷电状态的估算。在MATLAB/Simulink中实现该算法的编程,把电池综合测试仪对锂离子电池采样所得电流、电压、容量等实验数据导入算法进行仿真。结果表明,该算法迅速收敛初值误差,并在稳定状态下最大误差不超过2%,从而验证了该算法的有效性以及对外界干扰的鲁棒性,可以用来实现对车用锂离子电池状态的准确估算。

改进布谷鸟算法的永磁同步电机多参数辨识

为解决PI控制器依赖于准确的电机参数且传统PI控制器效率不高、稳态误差大的缺点,采用模糊PI控制器替代永磁同步电机矢量控制系统中的传统PI控制器,采用改进的布谷鸟算法,以实现对电机多参数的精确辨识。通过Logistic-Tent映射构造随机衰减惯性权重,并采用高斯分布改进步长因子和指数函数构造动态发现概率,采用多样性维持策略,在一定程度上改善了标准布谷鸟算法收敛速度慢和后期易陷入局部最优解的问题,从而使改进的布谷鸟算法对电机多参数的辨识更加精确。改进的布谷鸟算法只需采集模糊PI控制下电机的转速,定子电压和电流信号就可精确辨识电机参数。仿真实验表明:改进的布谷鸟算法对多参数的辨识收敛速度更快精度更高,对改善电机性能具有重要意义。

基于暂态数据戴维南等值参数辨识的时变广义短路比计算方法

广义短路比能有效反映多馈入直流系统受端交流电网的强度,其计算通常基于直流馈入节点处受端交流电网的戴维南等值导纳矩阵,忽略了交流电网各元件动态对电网强度的影响。本文提出了一种基于暂态数据戴维南等值参数辨识的时变广义短路比计算方法,将隐含系统元件动态特性的端口节点电压与注入端口节点功率作为辨识数据,基于多端口戴维南等值模型与最小二乘法辨识受端交流电网时变导纳矩阵,进而计算出时变广义短路比,准确地反映了系统动态对受端交流电网强度的影响。最后,以单馈入直流系统算例验证了方法的精确性,以某省级电网算例验证了其实用性,分析了负荷动态特性对时变广义短路比的影响。

非完全试验信息的悬架橡胶-钢衬套本构模型多参数识别

以轿车扭力梁后悬架的橡胶-钢衬套为对象,通过应变能密度函数确定Yeoh多项式为衬套的本构模型。进行结构试验并获取X,Y,Z轴向"位移-力"历程曲线的非完全试验信息,利用HyperStudy与ABAQUS进行初始试验仿真,分析试验与仿真曲线的一致性;设定Yeoh多项式的多参数C10,C20,C30、Di为优化变量并赋初始值,优化目标是"面积差"或"位移差"平方为零的6类函数。采用自适应响应面法,经过14次迭代,6类函数的总加权值收敛逼近于零,识别出一组能较准确模拟衬套力学行为的本构模型参数值。试验仿真结果发现Y向曲线拟合精度高,预紧模拟及网格歧异等导致X与Z向曲线拟合差,但瞬态刚度值误差均在8%内,在工程中属于可接受范围。