基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计

为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。

一种基于递推最小二乘法的运动平台剩磁差分测量与估计方法

地磁导航是通过对地球周围矢量磁场进行测量从而实现导航的一种方法.地磁导航在运动平台上应用的难点之一是平台剩磁对地磁测量的影响,严重污染了磁强计的测量.消除平台剩磁对地磁测量的影响成为地磁导航向应用转化的一项关键技术.为实现运动平台剩磁的有效测量与估计,提出了基于递推最小二乘法的运动平台剩磁差分测量与估计方法.基于载体干扰磁场值只与测量点到磁偶极子的距离和磁偶极子的磁矩有关的结论,根据磁偶极子的磁场分布特性,推导出一种基于内置磁强计阵列的运动平台剩磁差分估计模型,并通过递推最小二乘法求解差分估计模型.大量仿真实验表明,可以通过内置阵列磁强计对平台剩磁进行测量与估计,验证了所提出的平台剩磁估计方法的有效性.

可变遗忘因子递推最小二乘法对时变参数测量

针对传统的递推最小二乘法对于非平稳环境下的突变和时变信号的跟踪能力不够,常常无法检测到信号特征参数的问题,提出了在指数加权递推最小二乘法中引入可变的加权遗忘因子λ,对电力系统时变信号的幅值、相位、频率进行测量的方法。加权λ对算法的收敛速度和跟踪能力有很大影响,如能很好的调节λ,既可确保对时变参数的快速跟踪能力,又能具备小的参数估计误差。仿真结果表明:与传统的递推最小二乘法相比,该方法测量精度和收敛速度更优越,即使在低信噪比环境下,也能较精确的测出时变参数值。

基于递推最小二乘法的炮控系统参数辨识仿真

炮控系统内部结构复杂,机理建模很难建立其较为客观的数学模型,针对这一问题,提出用递推最小二乘法对某型战车炮控系统辨识建模。首先对试验进行了设计,测得了某种工况下的炮塔速度阶跃输出曲线,并用跟踪微分滤波器对所得曲线进行了去噪处理,找出了被控对象的输入输出数据;其次运用递推最小二乘法对假定模型进行了模型参数估计,得到了被控对象的模型参数;最后用阶跃响应性能指标误差评价法对模型的有效性进行了验证。结果表明,该方法能准确地实现炮控系统的模型辨识,所建模型是有效可行的。

用于SCR喷氨量模型参数辨识的辅助变量递推最小二乘法

为了对火电厂选择性催化还原(SCR)烟气脱硝系统中喷氨量-出口NOx质量浓度控制对象模型参数进行在线辨识,针对现场有色噪声数据,采用辅助变量对递推最小二乘法进行了改进,构成辅助变量递推最小二乘法,并对含噪声二阶惯性加纯延迟模型参数进行辨识。同时,结合变回归估计(FMVRE)方法得到最小化损失函数,通过两步辨识得到系统的惯性时间、比例系数及迟延时间。以某350MW机组SCR烟气脱硝系统为对象,采用标准递推最小二乘法和辅助变量递推最小二乘法进行参数辨识。结果表明,辅助变量递推最小二乘法的辨识参数收敛更快,辨识精确度更高,所得模型能够较好地表征实际系统的动态和静态特性。因此,基于辅助变量递推最小二乘法的参数辨识方法可用于SCR烟气脱硝系统控制对象的一类二阶惯性加纯延迟模型参数的在线辨识。

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能 ,提出了根据各传感器量测数据品质对量测数据加权处理 ,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法。仿真结果表明 ,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法。

基于递推最小二乘法的永磁同步电动机参数辨识

针对永磁同步电动机在运行中电机的电磁参数的改变,通过对永磁同步电动机稳态数学模型的推导,利用递推最小二乘法对电机的电阻、电感进行在线辨识。在Matlab/Simulink中搭建辨识模型进行分析比较,验证该方法可以准确地辨识出电阻、电感的值。递推最小二乘法简单可靠,易于实现,具有一定的实用价值。

鲁棒递推偏最小二乘法

针对时变模型建模或大数据量情况下建模过程中的野点检测问题,提出了鲁棒递推偏最小二乘法(RRPLS).通过将递推偏最小二乘法(RPLS)与鲁棒主分量回归算法(RPPSV)相结合,实现分块野点检测算法,有效地解决了一般野点检测算法的计算量大的问题.仿真说明鲁棒递推偏最小二乘法不但能检测出数据中的野点还能大量减少建模时间,最后给出了在交流异步电力测功机系统的应用实例.

递推最小二乘法在LQR参数调整中的应用

针对Riccati方程中系数矩阵Q和R的调整需凭经验和多次试凑的不足,采用递推最小二乘法对系数矩阵进行在线调整,使系数矩阵的参数进行在线优化,更好地发挥了LQR控制器的优势。仿真实验结果表明了递推最小二乘法在一级倒立摆LQR控制器参数调整过程中的有效性。

基于递推阻尼最小二乘法的电力系统频率跟踪

最小二乘法是一种广泛的系统辨识和参数辨识方法,适于离线辨识,在线辨识参数时有其局限性。基于传统的最小二乘法,提出一种带有遗忘因子的有限数据窗口和自适应阻尼因子的递推阻尼最小二乘参数辨识算法。针对电力系统信号为理想信号、含有谐波及噪声和电力系统频率瞬间发生跳变的情况,分别做了仿真。仿真结果验证了该方法的鲁棒性、快速性和准确性,且算法效果优于其他方法。

基于递推最小二乘法的半挂汽车列车结构参数估计

准确获取车辆的结构参数对汽车的主动安全控制至关重要.该文主要研究半挂汽车列车稳定性控制中的结构参数估计.基于汽车纵向动力学的半挂汽车列车整车质量与路面纵向坡度的多遗忘因子递推最小二乘算法(RLS)估计方法,利用估计的整车质量获取挂车的横摆转动惯量;根据线性四自由度(4-DOF)半挂汽车列车模型,探讨了半挂汽车列车轮胎侧偏刚度的RLS估计算法,并讨论了不同初始值对估计效果的影响.基于商用车动力学仿真标准软件TruckSim建立了某半挂汽车列车的非线性车辆模型,通过平路面和不同坡度路面上的动力学仿真对估计方案进行了验证,结果表明,相关参数的估计值和实际值吻合良好,对提高半挂汽车列车主动安全控制的性能具有重要意义.

基于MATLAB的递推最小二乘法辨识与仿真

通过对最小二乘算法的分析,推导出了递推最小二乘法的运算公式,提出了基于MATLAB/Simulink的使用递推最小二乘法进行参数辨识的设计与仿真方法。并采用Simulink建立系统的仿真对象模型和运用MATLAB的S-函数编写最小二乘递推算法,结合实例给出相应的仿真结果和分析。仿真结果表明,该仿真方法克服了传统编程语言仿真时繁杂、难度高、周期长的缺点,是一种简单、有效的最小二乘法的编程仿真方法。

镜像映射法及递推最小二乘法在GPS伪距导航定位解算中的应用

为提高全球定位系统 (GPS)中伪距导航定位解算的精度和改善对动态目标的实时跟踪 ,提出了一种新方法 ,采用镜像映射法解具有病态的矛盾方程组以提高精度 ,以及将伪距导航定位解算方程模型转换为具有贯序输入输出数据的系统辩识模型 ,然后用递推最小二乘法 ,对所求的GPS伪距导航定位信息──接收机的三维位置参数和时钟误差参数进行动态快速实时估计。

多变量偏差补偿递推最小二乘法及其收敛性

对于带白色观测噪声的多变量自回归(AR)信号,提出了未知模型参数和噪声方差估计的偏差补偿递推最小二乘算法,用动态误差系统分析方法严格证明了所得到的模型参数和噪声方差估值是强一致的,即它们以概率1收敛于相应真实值。一个仿真例子说明了其有效性。

基于动态遗忘因子递推最小二乘法的永磁同步电机参数辨识算法

针对固定遗忘因子递推最小二乘法(RLS)在永磁同步电机参数识别中难以同时保证快速性和鲁棒性的问题,提出一种动态调节遗忘因子大小的递推最小二乘参数识别算法。分析了遗忘因子对RLS算法的影响特性,以理论模型与实际模型输出的差值为变量构建遗忘因子调节函数,实现遗忘因子动态调整。仿真结果表明,相比于固定遗忘因子RLS算法,改进算法可以同时保证稳态抗干扰与动态快速收敛能力,具有优越性。

基于加权自适应递推最小二乘法与EKF的锂离子电池SOC估计

为了实现锂离子电池荷电状态(SOC)的精确估计,建立锂离子电池的二阶等效模型,提出基于加权自适应递推最小二乘法与扩展卡尔曼滤波(ARWEKF)的锂离子电池SOC估计方法。通过静态和动态工况下的仿真和试验进行验证,结果表明:ARWEKF算法的估计精度高于扩展卡尔曼滤波(EKF)算法和基于遗忘因子的递推最小二乘法(FFRLS),其模拟仿真的最大绝对误差为1.36%,均方根误差为0.42%,静态工况试验下的AE为0.67%,RMSE为0.21%,动态工况试验下的AE为1.86%,RMSE为0.56%。

递推最小二乘法在桥梁线形预测和调整中的应用

由于施工过程中桥梁施工工况和设计理想状态有所差别,须采用反馈分析方法进行桥梁线形预测与调整。结合某桥主桥上部结构施工监控,介绍了递推最小二乘法在该桥施工过程中的线形预报与调整中的应用,选取混凝土弹性模量、混凝土徐变系数、有效预应力系数作为主要设计参数开展重点辨识,建立参数调整向量、线性变换向量和加权系数矩阵用以调整立模标高。结果表明,采用该方法能满足悬臂施工之后体系转换的合龙精度要求。

小波递推最小二乘法的ARMAX模型参数估计

研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法。首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效。然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的。

递推最小二乘法在角位置误差检定中的应用

全组合方法能够把测角系统的角位置误差和棱体的工作角偏差有效地分离出来。在满足角位置误差测量精度的情况下,为了提高测试效率,将递推最小二乘法应用于组合测角中。本文以23面棱体与391齿盘的偏差检定为例,设计了递推最小二乘法的检测软件,实现了每增加一个量测序列,就可以显示新的工作角偏差向量,新的测试的残余误差与计算的随机误差的标准差,提高了测试效率。此方法不仅可以用于棱体-齿盘的检定中,而且可以用于圆感应同步器、光栅等测角系统中。

非线性随机系统具有遗忘因子的递推最小二乘法

针对NARMAX模型,结合线性滤波、谱分解定理及成型滤波器原理构成非线性随机系统模型,并将参数模型转化为脉冲响应非参数模型。依据Hankel矩阵法,在参数估计准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广最小二乘递推算法,提出一种具有遗忘因子的非线性参数估计的递推最小二乘法。该算法收敛速度快,且能克服病态,适用于时变参数情形。将其应用于一种非线性自适应预测控制算法仿真中,验证了算法的有效性。