时变遗忘因子的子空间辨识及预测控制器设计

针对线性时变多变量系统,在存在不可测干扰及系统动态特性变化较大的情况下,不需要已知系统先验结构信息,不需要辨识出系统参数矩阵,提出一种完全数据驱动的具有变遗忘因子子空间辨识的预测控制器设计方法.预测控制是一种基于模型的控制方法,为了更好地建立被控系统模型,在已有的在线辨识基础上,根据实测输出值与预测输出值的误差构造变遗忘因子,以调整采集数据的权重,提高辨识灵敏度和控制效果.最后通过实例仿真验证算法的有效性.

基于变遗忘因子恒模约束的改进空时联合抗干扰算法

针对空时联合抗干扰方法(STAP)计算复杂度高,不能有效抑制来自导航信号方向的窄带干扰等问题。利用改进的频域LMS滤波器进行前期处理,滤除来自导航信号方向的窄带干扰;再利用改进的变遗忘因子恒模约束递归最小二乘算法(ITVFF-CCM-RLS)来降低空时处理的计算复杂度。通过仿真实验结果表明,改进的空时联合抗干扰算法能够在降低计算复杂度的同时,有效地抑制来自导航信号方向的窄带干扰,明显提高了算法的输出信干噪比。

基于有限记忆变遗忘因子的子空间辨识算法

针对传统递推子空间辨识算法对时变参数跟踪速度慢的问题,基于自适应变遗忘因子机制提出一种新的子空间辨识算法.为此首先设计了变遗忘因子作用下输入输出Hankel矩阵的更新机制;然后运用系统矩阵特征值空间欧氏距离信息实现变遗忘因子的自适应更新;最后为隔断历史数据的作用,采用有限记忆法进一步改进算法.理论及仿真结果表明,新算法跟踪速度快、跟踪效果好.

变遗忘因子稀疏正则化TLS算法MIMO信道线性均衡

针对稀疏MIMO信道系统模型线性均衡过程中输入信号,输出信号都含有噪声的情况提出了一种变遗忘因子的稀疏正则化总体最小二乘算法(VFF-SRTLS)。本算法中采用总体最小二乘(TLS)的代价函数即瑞利商加入正则化的l_1范数和l_0范数作为其代价函数,并利用次梯度下降法产生的迭代式用以更新均衡滤波器系数,使均衡过程中代价函数最小;同时为了使算法能够适应信道快变环境而采用变遗忘因子(VFF),并且根据最速下降法得到遗忘因子的迭代式。仿真结果表明,在信噪比为10 d B的2×2 MIMO线性均衡过程中VFF--RTLS算法的收敛MSE值比RLS算法低约2 d B,VFF-l_0-RTLS算法的收敛MSE值比RLS算法低约1.5 d B。

变遗忘因子递推最小二乘Hammerstein系统辨识算法

本论文研究了单输入单输出非线性Hammerstein系统的辨识问题,提出了一种具有变遗忘因子的递推最小二乘算法。由于Hammerstein系统模型的非线性特征,传统的递推最小二乘算法无法直接用来解决该系统的辨识问题。为此,论文将Hammerstein系统参数进行了映射变换,使得变换后的系统参数与Hammerstein系统的输入输出构成一个线性关系,从而使系统能够适用于递推最小二乘算法;另外,为解决由于参数映射带来的收敛速度下降问题,论文进一步提出了一种变遗忘因子的递推最小二乘算法。仿真结果表明,提出的算法能够获得较好的收敛性和稳定性,并具有对非线性Hammerstein系统较高的辨识精度。

变遗忘因子多新息随机梯度算法双馈电机参数辨识

针对电机运行过程中参数变化特点,基于多新息辨识理论与随机梯度辨识算法理论,结合变遗忘因子,提出了基于变遗忘因子多新息随机梯度算法的双馈电机参数辨识方法。该方法考虑到双馈电机非线性强耦合,采用定子磁链定向的矢量控制技术,搭建双馈电机矢量控制系统采集数据,并推导dq坐标系下电机参数辨识模型的标准形式,根据算法辨识出电机电感及电阻参数。仿真结果验证了该算法的有效性。

储能电池实时荷电状态联合估计方法

准确估计储能电池的SOC(荷电状态),对于实现电池的均衡充放电,减少因电池过充过放引起的容量下降具有重要意义。针对储能电池的复杂化学状态和SOC非线性时变特性,提出一种基于VFFRLS(变遗忘因子递归最小二乘)和UKF(无迹卡尔曼滤波)算法的锂离子电池SOC联合估计方法。采用VFFRLS在线辨识电池模型的电阻、电容参数,根据辨识结果,利用UKF算法实时估计电池SOC。实验结果表明,该联合算法具有较高的准确性和稳定性。

变分数阶振子振动控制方法研究

针对含变分数阶的无量纲振子振动方程,考虑变分数阶微分算子表达式的复杂性,直接进行控制器设计不现实。通过分析位移时程曲线,采用截断变分数阶微分算子方式获得较好拟合效果。提出变遗忘因子概念,使变分数阶算子变为有限阶次,用其进行控制器设计成为可能,并仿真实例验证该方法的有效性。

基于质量与坡度辨识的汽车自动变速器换挡控制研究

采用适应性和跟随性强的变遗忘因子最小二乘法进行整车质量和道路坡度辨识,在此基础上提出汽车自动变速器坡道换挡分层修正控制策略,将汽车自动变速器换挡控制分为上层决策层与下层换挡执行层,上层决策层采集汽车参数进行整车质量和道路坡度辨识、换挡修正决策;下层换挡执行层接收上层决策层的修正控制指令,完成修正换挡。仿真和硬件在环实验结果表明:变遗忘因子最小二乘法可准确识别整车质量和道路坡度,换挡修正控制策略可在上坡时有效避免频繁换挡,减小换挡部件的磨损;下坡时充分利用发动机制动,减小制动系统的磨损。

基于辨识算法的风力机桨距执行器故障诊断

针对风力机桨距的系统故障问题,提出一种基于变遗忘因子递推最小二乘算法(Variable Forgetting Factor Recursive Least-Squares,简称VFF-RLS)的故障诊断方法。根据桨距执行器故障会引起系统参数变化的特点,采用该算法对变化的参数进行估计,将执行器故障诊断问题转化为参数估计问题。桨距执行器模型经过离散转化为系统辨识模型,进而实现对时变的桨距执行器自然频率和阻尼系数进行辨识估计,且通过自动调整遗忘因子大小保证了辨识算法的收敛速度和辨识精度。仿真结果表明,所提出的方法能够有效诊断桨距执行器故障。

激光水下探测光尾流回波信号提取方法的研究

激光应用于水下目标探测时,受水体后向散射的影响,目标信号被强噪声信号所淹没。针对这一问题,采用基于RLS算法的自适应抵消法对水体后向散射回波信号进行抑制。并根据水下探测信号非平稳的特点,在传统RLS算法的基础上引入可变遗忘因子λ,改善对目标信号的快速跟踪能力。对实验数据进行分析表明,该方法可以有效抑制水体后向散射回波信号,并具有较快的收敛速度和跟踪速度,对水下激光探测的应用具有一定的实际意义。

稳健的双基地MIMO雷达目标角度跟踪算法

针对双基地多输入多输出(MIMO)雷达变速目标角度跟踪问题,提出了基于变遗忘因子的跟踪算法。首先研究了遗忘因子对算法的收敛速率和跟踪性能的影响;其次借鉴变步长最小均方(LMS)算法的思路,提出遗忘因子的递推公式;最后将遗忘因子递推公式引入PASTd算法中,实现变速目标的收发角度跟踪。实验表明:算法的收敛速度和性能都有较大的提高,稳定性得到了增强。

一种激光尾流制导鱼雷信号检测方法

针对鱼雷光检测尾流时尾流信号受水体后向散射干扰不易检测的问题,给出了一种有效的检测方法。利用变遗忘因子的自适应抵消方法对水体后向散射回波进行抑制,通过非线性放大增强目标信号,最后采取自适应阈值等多种有效策略对目标进行探测。对试验数据分析表明,该方法可以有效抑制水体后向散射回波信号,并具有较快的收敛速度和跟踪速度,可提高光尾流检测能力。研究结果可为光检测尾流的实际应用提供了依据。

柔性铰接板振动测量及迭代学习主动控制

大型柔性板状结构广泛应用于航空航天领域,这种结构特性极易引起低频振动,针对这一问题以柔性铰接板为研究对象,探究了柔性铰接板在受外部激励作用下弯曲模态的振动特性.为此搭建了一套用于测控柔性铰接板振动特性的实验平台,采用了立体视觉和压电陶瓷传感器分别检测柔性铰接板的振动信息,以此信息作反馈,采用了变遗忘因子的迭代学习控制方法对柔性铰接板的振动进行主动控制,同时以PD控制的实验效果作为对比.实验结果表明,不论是大幅值的快速衰减还是小幅值的残余振动抑制,迭代学习控制效果都优于PD控制.

宽线性l_1范数RLS水声单载波判决反馈接收技术

为解决常规的递归最小二乘(recursive least squares,RLS)算法难以适应快变的水声信道,及未对水声信道的稀疏性加以利用导致均衡性能下降的问题,本文提出一种结合信道短化技术和基于l1范数宽线性变遗忘因子RLS自适应均衡技术判决反馈(decision feedback equalizer,DFE)接收机算法。试验结果表明:该接收机算法具有较低的计算复杂度,在稳态MSE和SER方面也具有较大的性能提升。

基于不同遗忘因子的递推子空间辨识算法策略性能比较

根据遗忘因子作用于数据的一般形式以及Hankel矩阵构造形式,导出在变遗忘因子作用下的Hankel矩阵无偏更新形式,并据此设计了新的变遗忘因子递推子空间辨识算法.分别从与无偏更新的Hankel矩阵接近程度、跟踪性能以及对距离信息的敏感性等方面比较了改进方法、固定遗忘因子方法以及传统的变遗忘因子方法的性能.仿真结果表明,改进算法具有更好的性能.

无记忆自适应子空间预测控制器设计

针对遗忘因子作用于过去与将来Hankel矩阵权重不同的特点,文中提出一种无记忆自适应子空间预测控制器设计方法。该方法利用当前变遗忘因子构造了过去与将来Hankel矩阵的无偏更新形式,并根据固定区间内期望指令与预测输出的误差值实现了变遗忘因子的自适应更新,从而使算法既避免了因频繁更新遗忘因子导致辨识精度变差的问题,又提高了算法的控制性能。仿真算例验证了算法的有效性。

自适应子空间预测控制器在多通道伺服系统中的应用

为了提高末制导段激光半主动制导武器的精确控制能力和误差修正能力,设计了一种自适应子空间预测控制器,并将其应用于激光半主动制导武器末制导段多通道伺服系统中。算法首先构造了变遗忘因子机制下过去与将来Hankel矩阵的无偏更新形式,基于此设计了自适应子空间预测控制器,并将其应用于多通道伺服系统姿态角速率反馈控制回路中,以精确跟踪角速率指令信号,实现对激光半主动制导武器末制导段的精确控制。仿真算例验证了算法的有效性。

基于参数在线辨识和SVD-UKF的锂电池SOC联合估计

锂电池的荷电状态(SOC)是电池管理系统的核心参数,准确的SOC估计对电动汽车的安全运行至关重要。针对因电池模型参数固定导致锂电池SOC估计精度不高和误差协方差非正定导致传统无迹卡尔曼滤波算法估计SOC失败的问题,提出基于参数在线辨识和SVD-UKF的锂电池SOC联合估计算法。该算法使用变遗忘因子递推最小二乘法实现电池模型参数的在线辨识,通过基于奇异值分解的无迹卡尔曼滤波算法(SVD-UKF)实现电池SOC的估计。在联邦城市运行工况下对联合估计算法进行验证,实验结果表明,联合估计算法可将SOC估计误差控制在1.53%以内,能够有效提高SOC估计的准确性和稳定性。

基于二阶离散滑模观测器的锂电池SOC估计

针对一阶离散滑模观测器法出现明显抖振现象,提出了基于二阶离散滑模观测器的SOC估计法。以二阶RC等效电路模型为基础,采用变遗忘因子最小二乘法在线辨识模型参数,提出一种锂电池模型参数和SOC在线估计方法,并与一阶离散滑模观测器法进行了对比试验研究。试验结果表明所设计滑模观测器具有较高SOC估计精度,未出现明显抖振现象,可进一步保证SOC在线估计的可靠性。