基于倒指数和二阶自适应的短期负荷预测

短期电力负荷预测是电力系统运行调度中一项非常重要的内容。目前,大量统计数据表明,短期负荷预测精度不高,预测方法的"数学化"程度不断加深,导致预测方法实用性也不高。针对正常日负荷特点,提出利用二阶自适应系数法和移动样本倒指数法的预测误差互补特性建立组合预测模型。并利用实际负荷对改进方法进行验证分析,证明短期负荷预测的改进能有效提高预测精度,方法易于实现,计算速度快,有很好的实践价值。

基于二阶自适应同步挤压S变换的时变子波提取方法

鉴于时不变子波的假设条件不能反映实际地震数据的非稳态特性,且传统分段提取时变子波的方法不能满足勘探所需的精度要求,提出了一种基于二阶自适应同步挤压S变换(ASST2)的时变子波提取方法,可以从非稳态地震数据中直接提取时变子波。首先对非稳态地震数据进行ASST2时频分析得到高质量的时频谱图,再通过建立局部谱的统计参数与加权指数型子波的解析关系实现逐点提取子波,最后基于时空域的时变子波矩阵建立非稳态地震记录褶积模型。与常规提取子波的方法相比,该方法不需要地震数据稳态或分段稳态的假设条件,根据数据自身特点自适应估计子波参数,克服了对子波形态的限制条件,同时避免了误差累计。模型数据测试和实际地震数据应用结果表明,该方法能够有效地提取时变子波,即使在相邻地层也能保证子波估计的准确性,从而提高地震资料处理的精度。

改进二阶自适应法在电力需求预测中的应用

针对趋势预测法仅适合于平稳时间序列,而电力预测中数据不平滑的特点,提出一种改进的二阶自适应预测方法,通过数据预处理平滑历史数据后,自适应调整预测模型的参数,并对实际供电企业的售电量和负荷进行了分析,证明了提出模型达到了一级精度要求,预测结果令人满意。

基于自适应二阶广义积分器的PMSM无传感器控制

为抑制基于传统高频脉振电压注入算法的永磁同步电机无传感器控制系统中由于滤波器的叠加使用导致的滤波延迟及观测精度较低等问题,提出一种自适应广义二阶积分器(adaptive second-order generalized intergrator, ASOGI),将转速引入特征频率及比例系数中,动态调整系统带宽及选频性能,并将其分别应用于高频响应电流的提取及二倍高频分量滤波,取代带通滤波器(band-pass filter, BPF)和低通滤波器(low-pass filter, LPF),此外,提出一种改进锁相环(phase-locked loop, PLL)算法,基于SOGI提取谐波幅值并消除观测环中注入电压幅频及电机参数的影响。最后运用MATLAB/Simulink进行仿真实验,其中在转速转矩突变时的转速及转矩脉动分别降低了50%和60%,表明了该方法可有效改善系统动态响应及观测精度。

液压机械臂基于反演的自适应二阶滑模控制

利用驱动Jacobian矩阵构建机械臂系统与液压伺服系统的耦合关系,进而建立整个系统的动力学模型。考虑系统未建模动态和外界干扰,通过定义虚拟控制量并选取合适的Lyapunov函数,设计此系统的自适应二阶滑模控制律,使系统在有限时间内精确跟踪期望轨迹且保持强鲁棒性,同时有效削弱了传统滑模控制对系统硬件不利的抖振。仿真结果验证了本文方法的有效性。

高超声速飞行器自适应光滑二阶滑模姿态控制

针对飞行中气动参数剧烈变化的高超声速飞行器(Hypersonic Vehicle, HSV)姿态控制问题,提出一种具有自适应特性的光滑二阶滑模有限时间控制策略。根据多时间尺度理论将HSV姿态控制系统分为慢回路子系统和快回路子系统;对慢回路子系统设计光滑二阶滑模控制器,对快回路子系统设计自适应光滑二阶滑模控制器;对两个子系统分别设计滑模干扰观测器,对气动参数变化引起的模型不确定性进行精确估计,以实现控制器的有效补偿。基于Lyapunov理论证明了整个系统的有限时间稳定。仿真结果验证了所提控制方法具有良好的控制性能和强鲁棒性。

自适应二阶滑模的有限时间收敛角度约束制导律

针对终端角度约束制导问题,提出了一种新型基于自适应二阶滑模的有限时间收敛角度约束制导律。构建非奇异有限时间收敛滑模面,保证了滑模面上角度及角速率误差有限时间快速收敛。采用参数自适应二阶滑模算法构建角度约束制导律,所设计的制导律不仅可抑制目标机动加速度等未知干扰,而且可确保滑模面的有限时间可达。相比采用传统二阶滑模或者含有切换项的滑模制导律,所提出的制导律参数可自适应变化,从而无需提前已知目标加速度等不确定项的上界信息。在各种目标机动情况下仿真,结果表明所设计的制导律具有强自适应以及快速收敛的制导性能。

多变量周期系统的多模型二阶段自适应控制

对于一类参数未知的多变量周期系统,传统自适应控制方法存在参数收敛慢的问题,导致系统暂态响应差、控制效果不理想.因此,本文针对多变量周期系统设计了多模型二阶段自适应控制器.首先根据先验知识,确定不确定区域范围,并在不确定区域内建立多个自适应模型.然后根据李雅普诺夫理论得到第一阶段辨识方程;在第二阶段中,充分考虑辨识误差并确定了权值自适应律,以此获取虚拟模型以提高参数的收敛速度.接着,利用得到的虚拟模型参数设计了二阶段自适应控制器,在保证了系统稳定性的基础上,提高了系统的暂态性能.最后,给出的仿真结果表明多模型二阶段自适应控制器提高了参数的收敛速度,改善了系统的暂态性能.

输入饱和的非线性系统多模型二阶段自适应控制器设计

针对一类输入受限的非线性离散时间系统,设计二阶段自适应控制器.根据先验知识,确定参数空间,在q个未知参数组成的参数空间的边界处建立q+1个自适应模型,将q+1个模型根据自适应系数组合为虚拟模型.基于虚拟模型,通过backstepping方法,设计控制器,采用高斯误差函数近似非对称饱和特性并给出了收敛性证明,得到系统的信号为半全局一致最终有界.最后进行数值仿真,相比于传统自适应控制,该模型能够更快地逼近真实参数,在执行器非对称饱和特性下能够加快系统的响应速度,减小暂态误差,最终的稳态误差收敛于一个较小的紧集,并且对船舶航向控制系统进行了仿真,取得了良好的控制效果.

基于负荷预测模型特性的组合预测新方法

提高短期负荷预测精度和计算速度一直是研究的热点问题之一。针对不同负荷预测方法的预测特性,提出了特性互补的组合预测新思路,建立了基于二阶自适应系数法和移动样本倒指数法的组合预测模型,采用最优组合预测与递归等权组合预测相结合的方法确定组合系数,并进行实时监测修正。结合甘肃电网的实际进行了短期负荷预测,结果表明,该方法计算速度快、预测精度高,具有一定的工程实用价值。

基于二阶段自适应多模型的聚合釜温度控制

针对丙烯腈聚合过程的强时滞和较大参数不确定等特性,该文提出一种基于二阶段自适应多模型的广义预测控制方法。该方法首先根据系统的参数范围,建立多个自适应模型,应用最小二乘算法分别进行参数估计。再利用各自适应模型的参数估计值和预报误差计算模型的权值,将各参数估计值加权求和得到最终参数估计值。将该参数估计值作为参数的真值,利用广义预测控制算法确定各时刻的控制作用。仿真结果显示:该方法能使系统未知参数快速收敛到真值,同时系统的动态性能和对理想温度的跟踪精度较常规多模型自适应控制有明显的提高。

带参数辨识的自适应二阶滑模观测器PMSM无传感器矢量控制

针对表贴式永磁同步电机无位置传感器矢量控制系统,提出一种具有电机参数在线辨识的基于Supertwisting algorithm的自适应二阶滑模观测器。在两相静止坐标系下,将模型参考自适应方法与基于Super-twisting algorithm的二阶滑模方法相结合,实现反电动势的准确估计。采用李亚普诺夫理论证明观测器的稳定性,并由李亚普诺夫稳定性方程推导定子电阻和转子转速的自适应律。在同步旋转坐标系下,采用二阶滑模观测器估计永磁磁链,并将其输入位置跟踪观测器估计转子位置。该算法充分抑制了滑模抖振,同时避免了低通滤波和相位补偿环节的使用,转子位置检测不受定子电阻和永磁磁链变化的影响,具有较强的鲁棒性。仿真结果验证了所提出算法的有效性。

基于SBAS和混沌理论的内排土场沉降监测及预测

为研究露天矿内排土场工后沉降规律,定义内排土场下沉系数为地表最终沉降量与初始覆土高度的比值,并以内蒙古锡林浩特市胜利一号露天矿内排土场为研究区,利用41期高时间分辨率sentinel-1 A数据采用小基线集(SBAS)技术进行内排土场沉降监测,在此基础上引入混沌理论中的相空间重构理论结合二阶Volterra自适应滤波对沉降时间序列进行单步预测。结果表明:①内排土场沉降剖面呈现明显的半漏斗状,总体上累积沉降量与到矿坑的距离成反比,通过沉降时间序列分析可得Ⅰ,Ⅱ区域处于沉降活跃期,存在滑坡、泥石流风险,是后期沉降监测的重点区域,Ⅲ~Ⅶ区域步入稳定过渡期,Ⅷ区域已基本稳定,初步判断该区已基本满足了土地复垦及建设简单构筑物的基本要求。②经曲线拟合,得观测周期内,内排土场下沉系数约为0.639 cm/m。③经最大Lyapunov指数验证,通过SBAS技术得到的4组沉降量时间序列均具有混沌特征。④运用混沌理论中的相空间重构理论结合二阶Volterra自适应滤波对沉降量进行单步预测,预测结果显示其可在短期内较好地反应真实值变化趋势,前10步预测结果的平均绝对误差(MAE)、平均相对误差(MAPE)和均方根误差(RMSE)均在6%以下,但随预测步数的增加,预测精度逐渐下降,这表明二阶Volterra自适应滤波仅可用于SBAS获取的一维沉降观测数据的短期预测,将其应用于长期预测的结果不可靠。

基于切换的多模型二阶段自适应控制器设计

针对一类具有参数跳变特性的离散时间系统,设计一类基于切换策略的新型多模型二阶段自适应控制器.该控制器首先将系统不确定参数的变化空间划分为多个子空间,在每个空间内建立多个自适应模型.为了克服多模型退化,保持模型的多样性以应对参数跳变,采用带约束的二阶段自适应方法对未知参数进行实时估计,并据此设计相应的子控制器;然后基于切换策略,选取该时刻的最优子控制器作为系统的控制器,从而减小系统暂态误差,提高系统动态性能;最后进行数值仿真研究,仿真结果表明该控制器结合了切换机制和二阶段自适应的优点,在相同模型数量的情况下,能够快速逼近参数跳变以后系统新的工作点,显著地缩短系统的过渡过程,提高暂态性能.

时变单音干扰下GPS系统的性能分析及干扰抑制方法

针对实际系统中干扰源的移动特性,将干扰信道建模为时变瑞利衰落信道,分析了时变单音干扰下多普勒频移对GPS系统性能的影响并推导了误码率公式,提出了一种基于短时傅里叶的自适应时频域干扰抑制算法。该算法首先对接收到的GPS信号进行时频分析,检测出受到干扰的频点,然后设置合理的干扰剔除门限,最后通过自适应二阶IIR格型陷波器将所受干扰的频点剔除。与基于LMS的时域自适应滤波算法进行了对比,实验证明,所提算法对时变单音干扰具有较好的干扰抑制能力。

基于模糊神经网络的废旧手机价值评估方法

针对废旧手机回收过程中难以精准定价的问题,提出了一种基于模糊神经网络(fuzzy neural network,FNN)的价值评估方法.首先,设计了一种基于主成分分析(principal component analysis,PCA)的特征提取方法,获得了影响废旧手机回收价值的关键特征变量.其次,建立了基于FNN的价值评估模型,实现了回收价值与关键特征变量之间的非线性关系描述.最后,提出了一种自适应二阶参数学习算法(adaptive second-order parameter learning algorithm,ASOPLA),实现了价值评估模型自适应调整.将提出的价值评估方法应用于实际交易过程,结果表明,基于FNN的价值评估方法能够实现对废旧手机的准确定价.

多模型自适应控制研究概述

多模型自适应控制,作为传统自适应控制算法的改进,在处理具有较大不确定性系统时具有显著的性能提升,也在近二十年中吸引了越来越多的研究关注.文章首先对多模型自适应控制的研究进展做了整体简要的探讨,然后分别针对常用的多模型自适应控制算法进行了深入讨论,从算法思想,流程和主要结论等方面作了详细的分析.最后,分析指出了多模型算法研究工作中尚存在的问题和进一步的研究方向.

全电船舶混合储能系统容量配置与运行策略协同优化方法

针对多工况条件下全电船舶混合储能系统容量配置与运行策略的设计,提出一种以自适应二阶滤波策略为核心的能量管理策略,考虑混合储能系统容量配置与运行策略耦合关系的协同优化方法。建立了以发电机组功率波动平抑、储能系统容量投资成本以及锂电池寿命折损为目标的协同优化模型,采用动态邻域学习粒子群算法求解最优容量配置及运行策略。仿真结果表明,相比于双层优化方法,提出的方法在保证优化性能的基础上大大减少了计算耗时;相比于规则控制策略,滤波控制策略能更有效地平抑发电机组的功率与转速波动,缩短受到扰动时的调节时间。论文研究对船用混合储能系统容量配置和能量管理策略的设计具有参考价值。

Steering control strategy guide by two preview vision cues

Vision cues play an important role in states feedback in motion control.However,the existing driver steering models consider little about vision cues utilized by human drivers during their steering procedure.This paper presents a novel steering control strategy based on two preview points(far point and near point).The far point is used to compensate the steering wheel by predicting the upcoming curvature change with respect to the lane,while the near point as vision feedback,which is used to tune the steering wheel by estimating the errors of vehicle states and lane center.To obtain much smoother lateral acceleration during steering,a forward internal model is established using a second-order yaw dynamics system that captures the influence of yaw angular acceleration caused by steering wheel angle.The input parameter of the second-order system is the vision cues of both the near and far points,and the output parameters are the ideal yaw angle and yaw rate.To calculate suitable the steering wheel angle,an adaptive controller is designed using fuzzy sliding technology,which is used as the input of the vehicle system dynamics.Numerical simulation results show that the proposed method performs better than the existing driver steering models in case of imitating human drivers' behavior,and exhibits excellent adaption to the lane curvature change.