锂离子电池自适应参数辨识与SoC估算研究

传统的锂离子电池SoC估算以固定参数的电池模型为基础,不能反映电池内部的真实状态,进而影响了估算精度。为此,提出一种模型参数自适应辨识与SoC估算相结合的协同估算方法。首先建立电池二阶RC等效电路模型,通过脉冲充放电实验获取开路电压与SoC关系并进行分段线性化,得到模型状态空间表达式。然后采用限定记忆递推最小二乘法进行模型参数自适应辨识与逐步更新,并设计PI观测器以实现SoC估算,两者协同从而提高估算精度。理论分析证明了PI观测器的鲁棒性。实验和仿真结果表明,该算法具有很高的SoC估算精度,估计误差范围在1.5%以内,平均估算误差只有1.28%。

基于同步的多旋翼无人机非线性模型自适应参数辨识

针对多旋翼无人机的非线性模型,提出了一种基于同步理论的自适应参数辨识方法.其主要思想是通过设计一种"从系统",在实现状态与原有非线性系统同步的同时,设计自适应更新律,使得对参数的估计收敛到真值.所提方法能够适用于以非线性形式存在的参数,其渐近稳定性由李雅普诺夫方法和拉塞尔不变性原理予以证明.仿真实例可以验证,合理选择自适应增益,即便真值发生突变,所提方法也能保证估计值快速收敛到最新的真值.

智能近红外光谱数据采集与处理系统研制

根据对近红外光谱仪智能化和便捷化的使用需求,设计实现了一种信号增益可自适应调节的高精度便携式近红外光谱仪数据采集系统,并提出了一种更加便捷有效的光谱预处理算法。系统采用可编程增益的模数转换器AD9826,并利用FPGA实现对其增益的自适应调节。自适应增益调节算法最高支持6倍增益放大,可有效减小AD9826非线性误差的影响,使仪器的性噪比高达68 dB。基于参数自适应辨识的SG阈值滤波算法使得光谱图像既平滑又不失真,在良好的滤波效果下,仍能让仪器分辨率保持小于10 nm。研制的数据采集与处理系统能更好的体现仪器智能化的发展方向,应用前景广阔。

基于神经网络的永磁直线同步电机位置控制

针对永磁直线同步电机(PMLSM)伺服系统中的诸多不确定性问题,提出了采用神经网络来实现实时积分-比例IP位置控制器的设计。本文所提出的神经网络结构合理、简单,权值具有明确物理意义和可以在线快速调整的特点,以便进行实时控制。用由模型参考自适应参数辨识器和负载扰动力观测器构成的估计器来估计动子质量和负载扰动力。将观测的负载扰动力前馈,进一步增强系统的鲁棒性。仿真结果表明,系统具有很强的鲁棒性,同时提高了稳态精度。