基于双辨识参数全阶自适应观测器的感应电机低速性能

提出了一种基于双辨识参数全阶自适应观测器的感应电机无速度传感器矢量控制策略,根据Popov超稳定性理论对系统进行了稳定性分析,在深入研究传统全阶自适应观测器的基础上,对保证系统在全速范围内稳定运行的反馈增益矩阵选取准则进行分析并据此设计了反馈增益矩阵。通过分析低速时定子电阻变化对转速估计的影响,构建了双辨识参数全阶自适应观测器,可以同时对转速和定子电阻进行在线辨识,有效提高了系统的低速带载性能。对基于双辨识参数全阶自适应观测器的感应电机无速度传感器矢量控制系统进行了实验验证,实验结果验证了算法的正确性和有效性。

基于自适应动态滑动窗口的锂电池参数辨识与SOC协同估计

锂电池的安全高效运行依赖于准确的荷电状态(SOC)估计,但是传统的电池模型和SOC协同估计在噪声干扰下的鲁棒性和可靠性较差。针对噪声干扰下SOC协同估计问题,首先对电池的最大可用容量和电池开路电压(OCV)特性进行分析,研究了锂电池SOC—OCV的曲线特性。然后研究了噪声干扰下的在线模型参数辨识和SOC估计问题,提出了基于自适应动态滑动窗口的双粒子群协同优化参数辨识(TCPSO)方法,通过实验验证了所提方法的SOC估计最大误差小于1%,表明所提方法可实现在线参数辨识,并且在抗噪性能和SOC估计精度等方面均优于现有协同估计方法。

抗野值卡尔曼滤波在火箭弹落点估计中的应用

为了实现火箭弹精确打击,根据飞行弹道参数对弹道进行修正。应用文中提出的双气动参数辨识算法,去除出现在信号初始阶段的野值,降低对后续卡尔曼滤波的影响。随后利用基于新息判断野值的卡尔曼滤波器,结合质点弹道模型,建立了卡尔曼滤波弹道模型,对一段飞行参数进行野值的去除与滤波,并对火箭弹落点进行外推。结果表明,该方法可以将量测数据中的野值有效去除。落点估计可知,外推时间的推后可以增加预估的精度。