基于融合健康因子和集成极限学习机的锂离子电池SOH在线估计

锂离子电池健康状态(SOH)的在线估计对电池管理系统的安全稳定运行至关重要.为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长、计算量大、调试过程复杂的问题,提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方法.该方法通过dQ/dV和dT/dV曲线分析,筛选出与电池SOH相关性较高的数据区间进行多维健康特征提取,并对其进行主成分分析降维处理得到间接健康因子;利用极限学习机的随机学习算法建立间接健康因子和SOH之间的非线性映射关系.在此基础上,针对单一模型输出不稳定的特点,提出一种集成极限学习机模型,通过对估计结果设置可信度评价规则剔除单一极限学习机不可靠的输出,从而提高锂离子电池SOH的估计精度.使用NASA和牛津大学的锂离子电池老化数据集对该方法进行验证,结果表明该方法的平均绝对百分比误差小于1%,具有较高的准确性和可靠性.

基于长短时记忆神经网络的深度调峰火电机组一次调频能力在线估计

随着“碳达峰、碳中和”战略目标的推进,火电机组更多地参与深度调峰运行。深度调峰工况下,火电机组蓄热量不足,一次调频能力下降,导致以额定工况标定的机组一次调频能力与实际调频能力之间出现很大偏差,威胁电网频率安全。对此,提出一种基于长短时记忆(LSTM)神经网络的深度调峰火电机组一次调频能力在线估计方法。利用LSTM神经网络的时序记忆能力和非线性特征提取能力将面向稳态机组设计的静态模型改进为考虑机组动态运行过程的动态模型,修正机组变负荷过程、一次调频历史动作等扰动因素造成的误差。通过分级建模方法,针对机组蓄热、汽轮机做功动态等调频能力影响因素的不同特性,设计具有不同神经网络结构的子模型,将锅炉侧影响纳入考虑范畴,提高调频估计结果精度。采用某电厂机组运行数据检验该方法,结果表明,与电力系统采用的传统方法相比,该方法估计结果具有更高精度,并且在稳态和变负荷等不同工况下均有较好的应用效果。

基于故障在线估计的欠驱动机械臂容错控制方法

为了提高机器人机械臂故障曲线跟踪准确性,本文设计了基于故障在线估计的欠驱动机械臂容错控制方法。分析机器人欠驱动机械臂关节故障原理,建立动力学模型实现对关节故障的检测。采用分散控制的思想将机器人欠驱动机械臂容错控制分为故障检测、信号重构、取代控制以及反馈控制四个部分,依据这四部分设计容错控制律,实现对速度信号与错误信息的实时反馈。在此基础上,通过干扰观测器实现控制律的干扰补偿,使容错控制后的机器人欠驱动机械臂具有抗外界干扰能力,以此完成控制方法设计。分析实验结果可知,所提方法不仅提高了故障曲线跟踪的准确性,减少了欠驱动机械臂容错控制后的稳态时间,满足了机器人欠驱动机械臂容错控制设计需求。

电网一次调频能力的在线估计

用于评价电网运行性能的指标很多,例如 A1、A2 和ACE,以及北美电网推出的新的控制性能评价标准 CPS1、CPS2 等,但是这些指标均是衡量电网总体运行性能的标准,不能用来评价电网在发生突发性事故时的快速调节能力。该文定义了电网的一次调频能力(PFCA)。并由定义结合方差分析得到了电网一次调频能力在静态及动态情况下的数学表达式,给出了可实际应用的计算方法,并讨论了计算过程中的参数误差对结果的影响。

滤波电感在线估计方法在预测电流控制中的应用

提出了一种滤波电感参数的在线估计方法,从而可以防止传统预测电流控制方法在滤波电感参数不匹配时可能出现的电流相位差和系统不稳定问题。通过简化小型分布式单相并网发电系统的等效电路,同时考虑逆变器输出电流过零附近存在的死区效应,结合三点中值滤波方法,建立了基于每个电网电压周期的正负采样区间的平均电感参数在线估计方程。针对电感参数变化、逆变器输出电流幅值变化以及注入一定的谐波电流、电网电压幅值变化和注入一定幅值的谐波电压等各种情况,进行了仿真和实验研究,结果证明本文所提出的方法是正确可行的。

基于Kalman滤波的图像雅克比矩阵在线估计

视觉伺服机器人主要是通过系统的图像雅克比矩阵表述机器人系统的特征空间进行反馈控制.首先建立了SCARA型机器人系统,针对系统图像雅克比矩阵的物理意义,利用雅克比矩阵增量ΔJ建立系统状态方程,以Kalman滤波的方法对系统雅克比矩阵进行在线估计.在Matlab仿真的基础上对此方法进行分析,并将其运用于二维目标的跟踪,实验表明此方法的有效性.

基于故障在线估计的可重构机械臂分散容错控制

为了降低可重构机械臂模块关节执行器和传感器故障对其控制性能的影响,提出了一种基于故障在线估计的分散容错控制方法。基于可重构机械臂的模块化属性和Lyapunov稳定性理论,设计了分散自适应滑模观测器以实现执行器和传感器故障的在线自适应估计。同时采用神经网络对子系统非线性项进行逼近和补偿,并结合非奇异快速Terminal滑模思想实现了分散容错控制。最后,采用两种不同构形的三自由度可重构机械臂进行了仿真试验,结果表明,所设计的容错控制方法是有效的。

基于目标出生强度在线估计的多目标跟踪算法

针对多目标跟踪中未知的目标出生强度,提出了基于Dirichlet分布的目标出生强度在线估计算法,来改进概率假设密度滤波器在多目标跟踪中的性能.算法采用有限混合模型来描述未知目标出生强度,使用仅依赖于混合权重的负指数Dirichlet分布作为混合模型参数的先验分布.利用拉格朗日乘子法推导了混合权重在极大后验意义下的在线估计公式;混合权重在线估计过程利用了负指数Dirichlet分布的不稳定性,驱使与目标出生数据不相关分量的消亡.以随机近似过程为分量均值和方差的在线估计策略,推导了基于缺失数据的分量均值与方差的在线估计公式.在无法获得初始步出生目标先验分布的约束下,提出了在混合模型上增加均匀分量的初始化方法.以当前时刻的多目标状态估计值为出发点,提出了利用概率假设密度滤波器消弱杂波影响的出生目标数据获取方法.仿真结果表明,提出的目标出生强度在线估计算法改进了概率假设密度滤波器在多目标跟踪中的性能.

速率偏频激光陀螺寻北仪标度因数的在线估计

为满足高精度寻北的工程需求,针对激光陀螺内部腔体温度变化和锁区不稳定性等因素会使速率偏频激光陀螺标度因数发生缓慢变化的问题,提出了在线估计标定因数的方法,并研究了速率偏频激光陀螺寻北仪及其标度因数测量误差。首先,通过标度因数实验研究其变化规律;然后,仿真分析了激光陀螺标度因数测量误差对寻北精度的影响;最后,根据陀螺测量值周期重复变化规律,提出了一种在线一阶递推估计标度因数变化的算法,通过引入单轴转台的角度测量值,得到了标度因数的变化参数。仿真分析表明,该算法对速率偏频激光陀螺标度因数变化的估计误差优于1×10-6,由标度因数变化引起的寻北标准差减小至2″左右。寻北实验结果表明,该算法能够有效抑制标度因数变化引起的寻北误差,5 min寻北标准差达到24″,基本满足高精度寻北的需求。

基于最小二乘法的时滞实时在线估计方法

在实时子结构试验中,液压伺服加载系统的时滞可能导致试验因丧失稳定而失败,因而时滞估计和补偿是该类试验的关键问题之一。在分析另外两种实时子结构试验时滞估计方法缺点的基础上,根据泰勒级数建立了命令位移、响应位移和系统时滞之间的近似关系,提出了采用渐消记忆递推最小二乘算法实时在线估计系统时滞的方法。时滞估计算例表明,即使考虑了随机测量误差和幅值误差,该方法也具有较好的反应速度和精度,能较好地跟踪系统时滞的变化。实时子结构试验时滞补偿算例表明,所提出的估计方法的精度、反应速度和时滞补偿效果都比较理想。与另外两种实时子结构试验时滞估计方法相比,该方法具有一定优势。

基于遗传算法的非线性系统时变时滞的在线估计方法

针对系统输入带有纯时滞的一类非线性系统 ,选择有限点的输出误差的平方和构成适应度函数 ,采用十进制编码技术 ,提出一种基于遗传算法的非线性系统时变时滞的在线估计方法 ,该方法具有一定的抗噪声能力。仿真实验结果验证了所提出方法的有效性。

永磁同步电机的直接转矩控制的定子电阻的在线估计

分析了永磁同步电机的直接转矩控制系统中定子电阻变化对系统性能的影响,利用真正定子电流与参考定子电流之差来跟踪定子电阻的变化,实现定子电阻的在线估计,仿真结果证明了此估计方法可准确估计定子电阻,改善控制系统性能。

基于神经网络的发酵过程中细胞浓度的在线估计

针对生物发酵过程中细胞浓度难以在线检测的问题,提出了基于人工神经元网络的软测量模型及一种改进的非线性BP算法,为复杂系统中参数的检测提供了一条有效途径。仿真结果表明了该方法的可行性和有效性。

发酵过程中细胞浓度的在线估计——GMDH法与神经网络法的比较

由于发酵过程细胞浓度在线测定困难 ,应用软测量技术对其进行分析很有必要。本文对两种建模估计方法 :GMDH法和人工神经网络法 ,进行了比较研究。结果表明GMDH法拟合结果较好且需计算时间较短 ,可在更多的非线性过程建模中应用。

发酵过程中比生长率的在线估计

提出了一种基于在线可测的二氧化碳释放率的需氧发酵过程中比生长率的在线估计方法,并且采用优化的方法进行模型中重要参数的选择.由于二氧化碳释放率容易检测,所以这种估计方法非常容易实现.在诺西肽发酵过程的应用中,利用所提出的方法得到比生长率,进而计算生物量,得出的估计值与实验值吻合得很好,表明了该估计方法的可靠性与实用性.

面向故障诊断的广义频率响应函数的在线估计方法

基于非线性谱分析的故障诊断是一种新的故障诊断理论。针对该方法中广义频率响应函数的在线估计问题,研究了利用Volterra时域核在线得到被测系统的广义频率响应函数的新方法。基于Volterra系统的鲁棒总体均方最小自适应辨识算法,提出了一种新的广义频率响应函数的在线估计方法。该方法能够有效减少广义频率响应函数的在线计算量,而且实现简便,鲁棒性强。仿真实验证明了该方法的有效性。

谷氨酸发酵过程的模型化和在线估计研究

提出了包括以菌体浓度Ｘ，基质浓度Ｓ，产物浓度Ｐ和排气二氧化碳为状态变量的谷氨酸发酵过程的动态时变模型。

基于PID-BPNN的矿用铅酸蓄电池SOC在线估计

针对矿山避难硐室安全供电系统中铅酸蓄电池内化成过程中检测是否已经达到满电荷量,且在组装铅酸蓄电池时需要考虑电池均衡问题都需要进行准确估算SOC的问题,提出基于BP神经网络的PID控制通过修正反馈误差来实现铅酸蓄电池SOC在线估计。采用实验的方法获取数据,选取与电池SOC相关的因子作为BP神经网络的输入参数,最终准确在线预测蓄电池SOC值。仿真结果表明,基于BP神经网络的PID控制的铅酸蓄电池SOC估计的精度大大提高,同时为电池管理系统提供一个新的估计方法。

一种数控机床切削功率在线估计方法

在线估计切削功率是数控机床能效监控和评估的关键技术之一。传统的方法需要安装力传感器(或者力矩传感器)间接测量切削功率,这样不仅增加成本,同时影响机床刚性。提出一种不需要测量切削力(或力矩)而通过主轴电机输入功率间接在线估计切削功率的方法。通过实验方法得出被测机床主传动系统的附加载荷损失功率特性函数,然后再通过实时测量主轴电机输入功率结合主轴系统的附加载荷损耗特性计算出切削功率,并在数控车床CJK6136上进行了3组切削实验。实验结果表明,采用该方法分离得到的切削功率的误差在1%左右。