基于改进扩展卡尔曼滤波的锂电池SOC估计

为了减小模型参数发生变化带来的影响,提高锂电池荷电状态(SOC)的估计精度,提出了一种改进的扩展卡尔曼滤波算法(I-EKF).建立Thevenin等效电路模型,采用遗忘因子最小二乘法进行参数辨识,将辨识的参数用局部加权回归(Lowess)算法与电池电压、电流进行拟合,利用拟合函数求出每一时刻对应的模型参数,再采用I-EKF算法进行SOC估计.实验分析表明,与传统的扩展卡尔曼滤波算法(EKF)相比,当模型参数发生变化时,I-EKF算法的估计精度更高,收敛后的估计误差基本在0.5%以内.

润滑油磨粒在线检测系统的设计与实现

设计一套润滑油磨粒在线检测系统,实时检测润滑油液中磨粒的尺寸和浓度信息,可以据此判别故障状态。设计螺管型差动变压器式磨粒检测传感器将油液中铁磁性磨粒经过时产生的电磁扰动转换为对应的电压信号。设计前端模拟信号调理电路对其进行前置放大,带通滤波,真有效值转换和调零放大。设计以STM32F103为处理器平台的数字信号处理电路,对调理后的信号进行模数转换、波形显示等。采用局部加权回归散点平滑算法(LOWESS),进一步抑制、消除信号中的噪声,并通过极值转换得到信号的峰峰值,获取反映磨粒尺寸和浓度的信息。实验结果表明系统能够实时准确地实现检测功能。

基于多方向光源的色纱织物密度图像检测

针对色纱织物存在不同颜色,密度检测具有较大难度的问题,课题组提出了一种基于多方向光源的色纱织物密度图像检测算法。利用织物的3D表面结构来弱化色纱织物的色彩信号,使用正方形分布的4个定向光源在特定的照射角度下对色纱织物进行照明及采样,再把4个图像进行融合,使融合后的图像集成了每张图像中较清晰的部分。对于局部加权回归算法中宽度系数不能因为织物改变而自适应的问题,提出了自适应算法,让不同织物具有适合的宽度系数去平滑其投影曲线。实验结果表明提出的算法准确率可达99. 17%,适合在色纱织物密度检测方面进行推广。

长江中游城陵矶河段2016-2020年汛期水位非正常波动:影响因子及滤波修正

长江经济带的人口和经济总量均超过全国的40%,长江中游城市群受地理位置与水文条件的综合影响更易遭受洪涝灾害的威胁.莲花塘水位站作为长江中游城陵矶河段蓄滞洪区启用指标控制站,当三峡水库水位达155.0 m后,如莲花塘站水位达到34.40 m并继续上涨,则城陵矶附近区蓄滞洪区需采取分洪措施.然而受河流形态和江湖关系(长江与洞庭湖)的双重影响,莲花塘水位站水位呈现出“潮汐”式不规则周期性波动变化(俗称“假潮”),给蓄滞洪区启用等工作带来一定决策困扰.为了研究洞庭湖出口长江城陵矶河段高水期洪水位波动现象相关因子和水位滤波方法,本文对莲花塘水位站近5年18个月(2016年6-8月、2017年7-10月、2018年5-8月、2019年6-8月、2020年6-9月)5 min水位自记数据进行分析,首先明确了单日水位波动值D>0.05 m为发生“假潮”现象的判别标准;通过二元Logistic回归分析表明,在监利站高水位(Z_(j)≥34.00 m)期间,当监利至莲花塘水位落差(ΔZ_(jl))大于2.75 m时,“假潮”发生比例为100%,模型预测结果综合百分比校正值为96.4%,表明ΔZ_(jl)为发生“假潮”的主要影响因子;然后通过快速傅里叶变换法、局部加权回归算法两种数据滤波方法对水位波动序列进行处理,研究表明,两种方法均适用于不同振幅的波形态数据分析,不受短时间数据丢失影响,不受水位瞬时值的影响,具有较大的应用价值;从误差值的波动情况来看,局部加权回归算法误差值波动更小,更适用于对波动水位数据的处理.

基于机器学习的电热防除冰表面温度变化趋势预测

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势。依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集。根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN近邻回归算法和局部线性加权回归算法预测温度变化率,再转换为温度,得到的温度变化与测量数据的线性相关性达到80%以上的高相似度结果,表明使用机器学习可快速预测电热防除冰部件的表面温度变化趋势,且不同的回归算法针对模型不同测温点位置的预测效果存在差异。