滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(14):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量输出误差随机系统中。

一类离散事件动态系统Kalman模型参数矩阵A、B、C图论表示法

利用图论方法,将串行生产线一类离散事件动态系统的Kalman 模型参数矩阵A、B、C归结为三类型有向赋权网络的邻接矩阵,使得列写A、B、C的算法变得快速、准确而且直观。

滤波辨识(13):类多变量方程误差ARMA系统的滤波递阶广义增广迭代参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广迭代梯度辨识方法、滤波递阶广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法。这些滤波递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量方程误差随机系统中。

基于模型预测控制的电-气互联系统动态优化调度研究

在当前电气、天然气与人们生活密不可分的背景下,电—气互联综合能源系统(IPGES)的调度运行研究具有极其重要的价值和意义。目前电—气互联系统的运行策略大多基于日前概况设计,而负荷预测误差往往导致次优日前调度运行。针对这种情况,模型预测控制因为其实时性和鲁棒性的优点,在处理不确定性问题方面表现出卓越效果。本研究在长时间尺度上对日前调度进行了优化,并基于模型预测控制方法进行了实时在线优化调度。在日内调度中,采用卡尔曼滤波对负荷进行短期预测,并根据最新预测信息建立滚动优化和实时反馈校正模型以进行多时间尺度的调度。最后通过案例分析验证了该方法在动态优化调度电力系统和天然气系统组成的电—气互联系统中具有更好经济性和供需匹配性,并能有效应对负荷波动。

基于小波分析的Kalman滤波动态变形模型研究

对GPS动态形变测量信号的性质进行了分析 ,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合 ,首次提出基于小波分析的Kalman滤波动态变形分析模型 ,研究其参数设计和算法 ,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知 ,通过对原始观测值进行小波分析与Kalman滤波的联合处理 ,能克服只使用单一方法进行GPS数据噪声处理的不足。

基于强跟踪滤波器的多传感器非线性动态系统状态与参数联合估计

本文将强跟踪滤波理论与多传感器数据融合技术相结合 ,提出基于强跟踪滤波器的多传感器状态与参数联合估计新算法 ;对拥有相同采样率的分布式多传感器单模型非线性动态系统 ,应用强跟踪滤波器 ,得到目标状态基于全局信息融合估计结果 ,并利用计算机仿真结果对算法的有效性进行了验证 ;这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题 。

一类非线性动态系统的非参数GFRF 模型辨识(英文)

本文对一类用多项式描述的非线性动态系统提出使用ＧＦＲＦ模型类的非参数辨识算法．这种算法的显著特点是需要很小的计算量和存储空间，而且辨识精度较高．仿真结果表明这种非参数模型辨识算法是有效的，而且由辨识方法获得的模型一般具有很好的泛化能力，因而是一种具有重要应用前景的实用方法．

基于Kalman滤波的企业财务危机动态预警模型

基于Kalman滤波理论,考虑财务比率在时间序列上的趋势性和历史数据对结果的影响,构建了财务危机的动态预警模型。首先对动态系统的状态进行描述,建立目标的状态模型,该模型是以时间序列来描述的,此外还建立了财务危机预警的测量方程,利用状态空间法描述目标的状态和测量。然后对Kal-man滤波理论在财务危机预警中的适用性进行分析,利用Kalman滤波器对财务危机预警模型的状态进行Matlab程序计算。并且应用极大似然估计对模型进行参数辨识。采用英国和爱尔兰180家样本公司,5～10年时间序列的财务数据作实证研究,结果表明,由年度破产概率值输出的基于Kalman滤波的动态模型优于静态预测模型的新方法。

基于Kalman滤波原理的电力系统动态状态估计的研究综述

状态估计是现代EMS的重要组成部分,特别是动态状态估计,能实现实时运行状态的估计和预报功能。通过对动态估计算法Kalman滤波算法和国内外学者的一些改进算法的现状研究,分析了这些算法目前存在的主要问题。并基于此提出了Kalman滤波算法的新的改进措施,研究了方向和发展趋势。

时变系统的Laguerre模型辨识及设计变量(2)——Kalman滤波法

文章考虑动态线性系统的时变参数是平稳的AR(1)变量,系统为时变的Laguerre模型时的传递函数估计的均方误差(MSE)。在缓慢时变和高阶模型下,利用Kalman滤波算法,得到MSE的近似表达式。最后得到了Kalman滤波算法的设计变量的最优解。

基于动态模型的风电系统多参数静分岔分析

为了揭示风电系统中众多参数共同作用下影响系统电压稳定性的分岔机理,基于其动态模型,以风电注入有功功率P1、SVC参数(Kr、Vref)和常规电力系统等值机励磁参数(KA、Uref)为分岔控制参数,运用多参数静分岔分析方法,计算得到鞍结分岔(SNB)的二维分岔边界以及分岔超曲面,最后对风电系统电压稳定性的多参数静分岔进行了分析。分析结果表明:增大SVC参数(Kr、Vref)和电力系统等值机励磁参数(KA、Uref)均能增加风电注入有功功率(P1)极限;相比AVR而言,SVC参数的作用更明显;若SVC放大倍数Kr和AVR参考电压Uref共同作用,则较其中单个参数作用更能增加风电注入有功功率(P1)极限。

基于双线性模型的动态系统优化和参数估计集成方法

针对双线性模型与实际系统之间的差异，提出一种基于双线性模型求解非线性动态系统最优控制的迭代算法。该算法通过重复求解修正的基于双线性模型的优化控制问题和参数估计问题，获得实际系统的最优解。同时提出求解修正的基于双线性模型的优化控制问题的一种新的分解方法，克服了非线性和双线性两点边值问题求解的困难。仿真例子表明该算法的有效性和实用性。

带不同局部动态模型的时变系统信息融合Kalman估值器

对于带不同局部动态模型和多传感器的的线性离散时变随机控制系统,应用Kalman滤波方法,基于Riccati方程,根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则,提出了系统公共状态的三种最优加权融合Kalman估值器,可统一处理融合滤波、预报和平滑问题。为计算最优加权,提出计算局部估计误差互协方差公式。它们可用于信号融合滤波。用增广状态方法,将待估信号看成子系统公共状态,提出了信号多传感器信息融合滤波的一种设计方法。

游梁式抽油系统动态参数仿真的综合数学模型

针对目前游梁式抽油系统杆、管、液耦合振动仿真模型未考虑电动机转速波动对系统影响的不足 ,建立了考虑电动机转速波动影响的游梁式抽油系统动态参数仿真数学模型。模型由描述曲柄运动规律的非线性常微分方程和描述杆、管、液耦合振动的偏微分方程组组成。因为两个单元的数学模型是通过一个独立变量相互耦合的 ,因此通过对独立变量迭代计算便可分别对两个单元进行独立的仿真计算。根据独立模块仿真方法建立的游梁式抽油系统动态仿真软件 ,具有仿真计算简单。

滤波辨识(8):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用辅助模型辨识思想,滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶递推广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

基于LuGre摩擦模型的定向井有杆抽油系统动态参数预测

针对定向井有杆抽油系统井下摩擦的非线性特征,提出了一种基于LuGre摩擦模型的有杆抽油系统动态预测方法。介绍了LuGre摩擦模型,并确定了符合工程实际的模型参数。将抽油杆柱的振动视为多级杆的纵向振动,对杆柱单元进行了受力分析,建立了有限元形式的杆柱系统动力学方程。结合泵载荷边界条件,利用状态空间法对系统动力学方程进行了数值求解,获得了悬点载荷随冲程变化的地面示功图。给出了基于LuGre摩擦模型的动态预测实例,并将预测结果与采用经典库仑-黏滞摩擦模型预测所得结果以及实测结果进行了对比。结果表明:LuGre摩擦模型能较好地描述抽油系统井下摩擦状况,基于LuGre摩擦模型的预测结果更接近系统真实值。

基于Volterra模型的电力系统主导动态参数选择

电力系统暂态仿真的模型参数不准确导致了仿真结果和实际量测的差异,限制了其在线应用,而基于动态过程量测的参数在线辨识方法是解决问题的一个途径。在线参数辨识的信息量限制了参数辨识的精度,需要筛选出对电力系统动态过程影响较大的主导动态参数进行辨识。提出了基于Volterra级数的主导动态参数筛选方法,并与传统的灵敏度方法进行比较。研究结果表明,基于Volterra级数的主导动态参数选择方法避免了扰动方式的影响,更适合于主导动态参数的选择。

Kalman滤波在ARIMA模型参数估计中的应用

在文献[2，5]研究的基础上，对ARMA模型的状态空间表达式作了推广，证明了推广后的形式是ARIMA模型的状态空间表达式，并证明了由此得到的估计量是最小均方线性无偏估计，最后给出l步线性预报公式．

基于数字滤波的非参数模型直流调速系统

针对直流调速系统不同的外部噪声和干扰,采用算术平均滤波和一阶低通滤波修正非参数模型算法,实现对调速系统中非参数模型控制算法的改进,使控制精度得到较大的改善。利用Matlab软件进行仿真实验,验证了该方法对电机这种具有不确知动态的非线性系统的稳定性和抑止外部干扰和噪声的有效性。