Y-数值半径的乘法因子

设A是一个n阶复数矩阵,y=(ξ1,…,ξn)是n维复数组,称ry(A)=max{|∑ξixi*Axi|∶xi*xi=1,xi∈Cn}为矩阵A的Y-数值半径,其中Cn表示复数域C上的n维向量空间.当y=(1,0,…,0)时,Y-数值半径变为标准数值半径r(A)=max{|x*Ax|∶x*x=1}.证得当sum from i=1 to n(ξi)≠0且ξi不都相等时,ry是广义矩阵范数,同时还讨论了ry的乘法因子.

双遗忘因子最小二乘法车辆质量和时变坡度估计

针对双遗忘因子最小二乘法由于数据饱和导致车辆变质量估计失效,在坡道起步时导致坡度估计性能下降的问题,提出一种改进算法。建立了车辆行驶时的纵向动力学数学模型,并根据最小二乘递推估计理论得到双遗忘因子最小二乘递推估计模型;针对原始算法的变质量估计问题,通过引入车速作为车辆停车的判断参数,并在停车后重新初始化协方差矩阵来消除数据饱和的影响;采用AVL CRUISE与Matlab/Simulink联合仿真对识别算法进行了验证。仿真对比分析表明,有效地验证了改进算法的合理性和可靠性,提高了算法在车辆质量和坡度估计时的收敛速度和精度。

基于改进型最小二乘法的感应电机转动惯量辨识

为减小感应电机转动惯量对机械特性的影响,基于最小二乘法,引入开关控制器,构建了一种新型的最小二乘参数辨识器。当转动惯量发生变化时,通过开关控制对辨识器进行初始化,实现对参数更快更好地在线辨识。仿真试验表明:该方法克服了传统的带遗忘因子的最小二乘辨识器的波动现象,辨识速度快,精度高,可以有效提高系统的性能。

基于最小二乘法的永磁同步电动机参数辨识

针对永磁同步电动机参数的时变和不确定性,设计了基于遗忘因子递推最小二乘法的电机定子电阻、dq轴电感以及转动惯量的辨识方法,仿真结果表明了该方法收敛速度快,能准确地实现电机定子电阻、dq轴电感以及转动惯量的辨识。

基于递推最小二乘法的永磁伺服系统参数辨识

为使永磁同步电机(PMSM)控制系统在复杂环境中具有较好的动态性能,伺服系统必须具有参数辨识和参数自整定的功能,而转动惯量与负载转矩辨识是其首要解决的问题。采用零阶保持器对电机运动方程进行离散化建模,考虑了摩擦系数对辨识结果的影响,将基于遗忘因子递推最小二乘辨识算法应用于该离散模型可以同时辨识出系统转动惯量、负载转矩和摩擦系数。同时,针对Matlab/Simulink中库模型参数不能在线动态修改的缺点,提出改进型PMSM模型,以此搭建了伺服系统的仿真控制模型,完成了定参数与变参数的动态仿真。最后,在stm32微控制器上进行了实验验证。仿真和实验表明该文提出的电机离散化模型和参数辨识方法具有一定的准确性和实时性,仿真结果验证了改进型PMSM模型在变参数仿真研究中的实用性。

改进型最小二乘法在PMSM参数辨识中的应用

针对带遗忘因子的最小二乘法辨识结果波动大的问题,引入开关控制器,提出了一种新型的最小二乘参数辨识器,当转动惯量发生变化时,通过开关控制对辨识器进行初始化,实现了对参数更快更好的在线辨识。仿真实验表明:该方法克服了传统带遗忘因子的最小二乘辨识器的波动现象,辨识速度快、精度高,可以有效地提高系统性能。

满秩分解最小二乘法船舶航向模型辨识

为了解决标准遗忘因子最小二乘法在线辨识船舶航向模型参数漂移和发散问题,考虑到船舶在实际航行中存在海洋环境扰动和数据欠激励的情况,提出并验证了一种基于满秩分解的递推最小二乘法。用实船数据进行船舶航向模型参数辨识,将辨识结果与标准遗忘因子最小二乘算法、多新息最小二乘法、最小二乘支持向量机的辨识结果进行对比,验证了满秩分解有效降低了在线辨识过程中扰动导致的参数漂移并成功抑制了参数的发散,提升了遗忘因子最小二乘法的辨识精度,减小了最小二乘法对持续数据激励的依赖。

基于等效电路模型和数据驱动模型融合的SOC和SOH联合估计方法

针对电池SOC与SOH估计结果相互影响,单独估计准确度不高的问题,该文提出了一种基于等效电路模型和数据驱动模型融合的SOC和SOH联合估计方法。通过构建考虑老化和SOC的电池二阶RC等效电路模型,采用带遗忘因子的递推最小二乘法,在不同SOC和SOH的情况下,对电池的参数进行在线辨识,实现电池参数在线辨识与电池SOC和SOH估计的耦合。以锂离子电池自SOC=20%到恒流充电阶段结束所需时间为输入,电池SOH值为输出,训练GPR模型,实现电池SOH估计。将输出的SOH估计值与电池的额定容量相乘,得到电池的实际容量,更新二阶RC状态空间方程,采用扩展卡尔曼滤波算法对电池进行SOC估计,实现电池SOH估计和SOC估计之间的联合。采用牛津大学电池退化数据集和NASA随机使用电池数据集进行算法验证,结果表明,所提联合估计方法能够在电池的生命周期内较准确地跟随锂离子电池SOC和SOH的真实值。

基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

基于纵-横向动力学耦合的整车质量与道路坡度估计

针对汽车行驶过程中存在侧向分力时应用纵向动力学模型进行整车质量与道路坡度估计存在偏差的问题,提出了基于纵-横向动力学耦合的质量估计模型和坡度估计算法。通过分析加速阶段对质量估计的影响,设定质量估计触发条件,并使用带遗忘因子的递推最小二乘法对整车质量进行估计,融合运动学卡尔曼滤波算法与动力学扩展卡尔曼滤波算法对道路坡度进行联合估计。通过Simulink-CarSim联合仿真与实车试验对算法进行验证,结果表明,基于纵-横向动力学的质量估计算法误差为0.82%,融合坡度估计算法误差在3%以内,验证了该算法具有较好的准确性与实时性。

基于FFRLS和GSAPF的锂电池剩余电量估计

新能源汽车的稳定运行依赖于锂电池的剩余电量估计。对此,提出一种基于遗忘因子递推最小二乘法(FFRLS)和黄金正弦粒子滤波算法(GSAPF)的锂电池剩余电量估计方法。这一方法在使用递推最小二乘法对锂电池进行参数辨识的基础上,引入遗忘因子,通过遗忘因子重新分配旧数据和新数据的权重,从而减少递推最小二乘法的数据饱和现象,并且联合黄金正弦粒子滤波算法对锂电池进行剩余电量估计。试验结果表明,这一方法具有较高的精度。

基于dq0坐标系的异步电机等效电路参数在线辨识方法研究

为了实现异步电机等效电路参数的在线辨识,利用基于dq0坐标系的异步电机动态方程,推导出异步电机标准最小二乘数学模型,在充分考虑影响辨识结果因素的基础上,采用一种带遗忘因子递推最小二乘法的参数辨识方法,实现了异步电机等效电路参数的精确辨识。以Y2-280S-8,37 kW;Y160M1-2,11 kW;Y132S-4,5.5 kW 3台电机为仿真实例,并对Y132S-4,5.5 kW电机进行了参数辨识的试验研究,实现了电机定子自感、转子电阻和激磁电感的在线辨识。仿真和试验结果表明,提出的辨识方法能有效的在线辨识电机的等效电路参数。

DGCMG框架伺服系统摩擦力矩建模及辨识

为了减小强陀螺效应条件下双框架控制力矩陀螺(double gimbal control moment gyroscope,简称DGCMG)框架伺服系统的非线性摩擦力矩对框架伺服系统控制精度的影响,提出了一种对DGCMG框架伺服系统非线性摩擦力矩精确建模和辨识的方法。分析了DGCMG框架伺服系统的动力学方程,在研究内、外框架摩擦力矩随内外框架角速度和陀螺力矩变化规律的基础上,建立了内、外框架摩擦力矩精确的数学模型,并用控制力矩陀螺的实际参数和实验采集数据对摩擦力矩模型参数进行了遗忘因子递推最小二乘法辨识。实验结果验证了所建模型的正确性和辨识结果的准确性,有助于补偿DGCMG框架伺服系统的非线性摩擦力矩,提高框架伺服系统的控制精度。

基于自适应PID的永磁同步电机电流控制

论文提出了基于自适应PID的永磁同步电机电流环控制策略,并将该算法数字化,应用于以DSP TMS320F2812为核心的永磁同步电机数字控制平台,实现了对永磁同步电机电流环的稳定控制。该算法采用带遗忘因子的最小二乘法对PID不确定参数进行估计。实验结果表明,所提方法控制精度高、鲁棒性强,方便工程应用,实用价值较高。

由y′(x)+p(x)y(x)=Q(x)通解的新推导想到的一种方法

通过推导y'(x)+p(x)y(x)=Q(x)的通解,发现了一种求解微分(积分)方程及不等式的简便方法。

基于FFMILS-MIUKF算法的锂电池SOC估计

准确估计SOC在防止锂电池过度充放电、提高锂电池能量利用率以及保障电池管理系统安全稳定运行方面具有重要意义。本文以三元锂电池为研究对象,提出一种基于多新息辨识理论的SOC估计方法,通过建立二阶RC等效电路模型,采用遗忘因子多新息最小二乘法(FFMILS)对模型参数进行在线辨识,结合多新息无迹卡尔曼滤波(MIUKF)算法估计锂电池的SOC,通过UDDS实验验证,并和EKF、UKF及MIUKF算法进行对比,实验结果表明,FFMILS-MIUKF算法估计锂电池SOC的误差控制在1.08%左右,其具有高精确性和快速收敛性。

汽车座椅座垫非线性模型参数辨识研究

基于遗忘因子递推最小二乘法对汽车座椅座垫非线性模型参数辨识展开研究。首先根据汽车座椅座垫非线性特性,建立驾驶员处的人体-座椅单自由度非线性动力学模型;然后,在沥青路面上对某款轿车进行随机输入下的汽车平顺性试验,测量得到驾驶员座椅和座椅底部地板垂向加速度时间历程;最后基于遗忘因子递推最小二乘法,利用试验实测数据对座椅座垫非线性模型参数进行辨识与分析,分析结果将为座椅乘坐舒适性改善、汽车平顺性优化及控制研究等提供技术支持。

车用锂离子动力电池自适应状态联合估计研究

为确定动力电池的剩余电量和峰值功率这两个关键指标,提出一种基于数据驱动的在线参数辨识方法,通过递归最小二乘法精确计算电池的实时参数;然后设计了一种基于自适应扩展卡尔曼滤波的多状态联合估计算法,准确估计电池的实时荷电状态;并在电压、剩余电量和单体峰值电流的多约束条件下,建立多采样间隔持续峰值功率估算的数学模型.最后在MATLAB/Simulink环境下搭建基于纯电动汽车实际运行工况的硬件在环测试模型.结果表明:在初始误差较大时,剩余电量的估计误差在3%左右,硬件在环测试系统的端电压误差保持在±20 mV以内,峰值功率的平均误差为4.9745 W,为联合估计算法的准确性提供了可靠理论依据.

煤矿井下大功率开关电源的T-S模糊控制

针对目前传统控制策略的不足,提出一种基于T-S模糊建模的煤矿井下大功率开关电源模糊控制方法。模型的前件参数由模糊C均值聚类算法确定,后件参数由带遗忘因子的最小二乘法辨识。通过对输出电压的实时检测采样,经过T-S模糊分析后输出控制量,调控占空比来改变IGBT通断时间,从而得到稳定的输出直流电压。采用MATLAB/Simulink仿真,验证了该方法的正确性和可行性。研究结果表明:与常规PI控制方法相比,T-S模糊控制策略在鲁棒性方面具有更好的控制效果。

压电超精密定位台的动态迟滞建模研究

为了提高压电超精密定位台的建模精度,采用Backlash-Like迟滞非线性模型来描述压电超精密定位台的迟滞特性,采用基于遗传因子的递推最小二乘法来辨识Backlash-Like模型的参数,并结合压电超精密定位台的动态特性,建立了压电超精密定位台的二阶动态迟滞模型。通过实验得到,对比Backlash-Like模型,动态迟滞模型在频率为30和40 Hz时,最大输出位移误差由1.21和1.39μm下降到0.32和0.44μm,且最大相对误差分别仅为3.5%和4.4%,平均位移误差由0.53和0.76μm下降到0.17和0.21μm,平均相对误差由1.93%和3.38%下降到1.11%和1.37%。实验结果验证了提出的动态迟滞模型,既能减小了因压电超精密定位台的动态特性而引起的系统误差,又能很好地模拟其迟滞特性与动态特性,并且避免了不同频率下的模型参数反复辨识问题,提高了压电超精密定位台在高频、快速、大行程定位中的精度。该方法简单且适应性强,易于工程实现。