基于改进初值带遗忘因子的递推最小二乘法的锂电池参数辨识

锂电池荷电状态(state of charge,SOC)的准确估计依赖于精确的锂电池模型参数。在采用带遗忘因子的递推最小二乘法(forgetting factor recursive least square,FFRLS)对锂电池等效电路模型进行参数辨识时,迭代初始值选取不当会造成辨识精度低、收敛速度慢的问题。为此,将电路分析法与FFRLS相结合,提出基于改进初值带遗忘因子的递推最小二乘法(improved initial value-FFRLS,IIV-FFRLS)。首先,通过离线辨识得到各荷电状态点对应的等效电路模型参数并进行多项式拟合;然后,利用初始开路电压(open circuit voltage,OCV)和OCV-SOC曲线获得初始SOC,代入参数拟合函数得到初始参数;最后,将初始参数带入递推公式得到IIV-FFRLS迭代初始值。对4种锂电池工况进行参数辨识,结果表明:与传统方法相比,IIV-FFRLS的平均相对误差、收敛时间分别减小58%、23%以上;IIV-FFRLS具有更高的辨识精度与更快的收敛速度。

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。

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法(LS)用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘(AFFRLS)改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘(VFFRLS)进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。

遗忘因子递推最小二乘法辨识锂离子电池参数

递推最小二乘法是辨识锂离子电池等效电路模型参数常见的方法,然而随着递推过程中数据的增加,新数据的生成会受到旧数据的影响,导致误差较大。为此,对锂离子电池的二阶RC等效电路模型进行建模和分析,提出一种用于等效电路模型参数在线辨识的遗忘因子递推最小二乘(FFRLS)法。在动力应力测试实验的基础上,在线辨识等效电路模型参数,利用识别的电路参数对电池电压进行在线预测。通过对比不同遗忘因子(λ)下的端电压均方根误差,发现λ=0.86~0.94为最佳范围。所提算法的精度优于递推最小二乘(RLS)法,验证了算法的可行性和有效性。

基于动态遗忘因子递推最小二乘算法的船舶航向模型辨识

为提高遗忘因子递推最小二乘(RLS)算法辨识船舶航向运动数学模型参数的快速性和鲁棒性,在分析遗忘因子大小对算法特性影响的基础上,提出一种基于模糊控制的动态遗忘因子RLS算法。该算法从理论模型输出与实际模型输出之间的残差入手来构造评估参数辨识误差大小的评价函数,并将评价函数及其变化率作为模糊控制器的输入,利用模糊控制器结合制定的规则表进行模糊推理并计算遗忘因子的修正量,从而实现遗忘因子的动态调整。仿真结果表明,与恒定遗忘因子RLS算法的对比,该算法能够根据参数辨识误差实时调整遗忘因子的大小,使算法在模型参数平稳时有更高的辨识精度,在模型参数突变时有更快的收敛速度,验证了所提算法的优越性。

基于带遗忘因子交替广义最小二乘法的多变量耦合系统参数辨识

针对多变量耦合系统参数辨识,在传统最小二乘法基础上,提出了一种带遗忘因子交替广义最小二乘法,该方法结合了递推最小二乘法与广义最小二乘法的优点,既能够实现无偏估计,计算又得到简化。该方法通过在线系统辨识,能够快速跟踪系统时变参数,可以获得高精度参数估计。最后通过d SPACE公司DS1103搭建了一个两入两出的水箱耦合系统,实验结果表明该系统辨识方法的有效性和可靠性。

推广的遗忘因子递推最小二乘算法在GPS中的应用

作者将推广的遗忘因子递推最小二乘算法应用到GPS以确定动态目标的轨迹 ,并与推广的Kalman滤波进行比较 ,发现两种算法在GPS中具有各自的优点 ,当噪声相关性较大又不能准确地得到其方差时 。

永磁同步电机模糊遗忘因子最小二乘法参数辨识

电机节能控制中损耗模型法要求电机参数尽可能稳定准确,为提高永磁同步电机参数在线辨识的稳定性及收敛速度,基于带遗忘因子的最小二乘算法,提出一种模糊遗忘因子最小二乘算法。首先利用帕德逼近法线性化技术建立永磁同步电机线性回归数学模型,根据电流误差设计模糊控制器,进行遗忘因子的自适应调整,并将其应用于永磁同步电机定子电阻的在线辨识中,较好地解决了遗忘因子最小二乘算法中结果稳定性和收敛速度相互矛盾的问题,最后仿真验证了该方法的有效性。

基于可变遗忘因子广义最小二乘法的光伏逆变器参数辨识

文章针对光伏逆变器系统参数辨识,将光伏逆变器视为一个线性系统,以广义最小二乘法为基础,提出一种可变遗忘因子广义最小二乘法。该方法结合实时最小二乘法和广义最小二乘法,可得到准确的光伏逆变器系统模型的参数。最后,利用SG800MX型光伏逆变器的电压和电流数据进行MATLAB仿真实验,验证了方法的实时性和准确性。

基于遗忘因子递推最小二乘法的伺服系统转动惯量辨识方法

为了提高交流伺服系统的动态响应性能,要求伺服驱动器具有在线参数自整定功能。实际系统运行中负载转动惯量是未知的,所以在提高系统动态抗干扰能力的研究过程中,需要对负载转动惯量进行准确辨识,以保证伺服系统的最优控制效果。针对负载惯量变化引起的转动惯量变化问题,提出一种基于遗忘因子递推最小二乘法的负载转动惯量辨识方法,根据辨识出的转动惯量,实时调整速度调节器的参数,使系统具体良好的动静态性能。仿真结果表明,这一辨识方法具有较快的收敛速度和较高的辨识精度。

基于遗忘因子递推最小二乘法的锂电池等效电路模型参数辨识方法

对现有常用的锂离子电池模型进行分析,建立了便于工程应用的二阶RC网络等效电路模型,并在MATLAB中搭建相应电池模型,利用实测数据对电池模型参数进行离线辨识,对模型精度进行了验证。考虑到模型参数值在电池充放电过程中并不恒定,而是受到充放电倍率和电池荷电状态等因素影响不断变化,因此为提高模型精度,采用含遗忘因子的递推最小二乘方法进行模型参数的在线辨识,通过仿真分析对比不同遗忘因子的影响,确定了遗忘因子的最佳范围。实验结果表明,随着遗忘因子从1开始减小,模型的精度会先提高再减小。本模型比较合适的遗忘因子范围大致为0.90~0.95,最佳值应在0.94附近,此时模型的平均电压误差仅为0.00043 V,证明了本文辨识方法的正确性和高精度。

基于遗忘因子递推最小二乘法的锂电池等效电路模型参数辨识方法

本文对现有常用的锂离子电池模型进行分析,建立了便于工程应用的二阶RC网络等效电路模型,并在MATLAB中搭建相应电池模型,利用实测数据对电池模型参数进行离线辨识,对模型精度进行了验证。考虑到模型参数值在电池充放电过程中并不恒定,而是受到充放电倍率和电池荷电状态等因素影响不断变化,因此为提高模型精度,采用含遗忘因子的递推最小二乘方法进行模型参数的在线辨识,通过仿真分析对比不同遗忘因子的影响,确定了遗忘因子的最佳范围。实验结果表明,随着遗忘因子从1开始减小,模型的精度会先提高再减小。本模型比较合适的遗忘因子范围大致为0.90~0.95,最佳值应在0.94附近,此时模型的平均电压误差仅为0.000 43 V,证明了本文辨识方法的正确性和高精度。

基于遗忘因子递推最小二乘的SPMSM稳态多参数辨识

在矢量控制基础上,应用遗忘因子能够递推最小二乘(FFRLS)系统辨识算法,本文提出一种关于面装式永磁同步电机(SPMSM)的稳态多参数辨识新方法。新方法可以同时辨识SPMSM的电阻、电感和永磁磁链3个电机参数。在Simulink环境下对新方法进行仿真,仿真结果验证了新方法的准确性,显示新方法的辨识精度高。

最小二乘辨识算法在故障检测中的应用研究

针对铝电解生产过程故障发生的特点 ,提出用辨识及参数估计理论进行故障诊断预报的方法。通过仿真研究 ,确定了遗忘因子和初始条件的最佳值 ,实现了故障诊断和预报。

基于最小二乘法的电力变压器参数辨识算法

根据变压器的Y/△接线方式,分别列写回路方程,消去三角形侧绕组中的环流和公共磁链的影响.这种方式无需改变三角形侧TA配置,直接利用三角形侧线电流构建了变压器绕组的电阻和电感参数辨识算法,利用带动态遗忘因子的最小二乘法,消除了最小二乘法"数据饱和"的影响.应用EMTP进行了仿真,结果表明,参数辨识算法稳定,不受负荷波动以及功率因数变化的影响,辨识精度较高.

基于最小二乘算法的双线性反馈系统自适应辨识

对基于递推最小二乘算法的双线性反馈系统辨识进行研究。借助递归最小二乘算法良好的收敛性与跟踪性能,对双线性反馈系统进行了辨识实验,在辨识系统的幅频响应值衰落很大的情况下,时受噪声污染的双线性反馈系统输入输出参数进行了估计与动态跟踪。结果表明,RLS算法收敛速度很快,即使在最初波动很大的情况下,也很快追踪识别到目标参数值并保持稳定,验证了算法对于该系统辨识的有效性。

最小二乘中遗忘因子和初始条件在故障检测中的应用研究

针对铝电解生产过程故障发生的特点,提出用辨识及参数估计理论进行故障诊断预报这一新方法。通过仿真研究,确定了遗忘因子和初始条件的最佳值,实现了对过程故障诊断和预报。

Hammerstein 系统遗忘因子有限窗口分解辨识

提出一种带遗忘因子和分解辨识策略的有限数据窗口递归最小二乘Hammerstein系统辨识方法。针对Hammerstein系统具有耦合参数的问题,将Hammerstein系统分解为2个子系统:一个子系统包含线性子系统参数,另一个子系统包含非线性子系统参数;提出一种基于遗忘因子的有限窗口递归最小二乘方法对分解模型进行在线递归估计;仿真示例验证了所提算法能够快速跟踪参数,实现对Hammerstein系统的精确辨识。

加入遗忘因子的递推最小二乘法在大惯性时变对象控制中的应用

大惯性时变对象是工业控制领域常见的控制对象。对于控制问题,提出加入遗忘因子的夏氏递推最小二乘法进行系统辨识,然后进行基于模型辨识的PID参数自整定。该方法利用夏氏递推算法在减小计算量的情况下保证对于系统的无偏估计,利用加入的遗忘因子来实现对于时变系统的自适应控制。在双容水箱上进行了实验,利用水箱本身的特性模拟大惯性,改变水箱阀门开度来模拟系统时变。实验结果验证了算法的有效性。

基于模糊遗忘因子递推最小二乘法锂电池参数辨识方法研究

针对遗忘因子递推最小二乘法的遗忘因子为固定值而造成锂电池参数辨识结果稳定性和锂电池等效电路模型精度无法同时兼顾的问题,提出一种将模糊算法与遗忘因子递推最小二乘法相结合的融合算法——模糊遗忘因子递推最小二乘法,使得遗忘因子在模糊控制器的作用下实现动态可变.通过选取一阶RC模型作为锂电池的等效电路模型,并基于固定遗忘因子递推最小二乘法和模糊遗忘因子递推最小二乘法,分别对一阶RC模型进行参数辨识,然后分别将参数辨识结果带入模型中进行模型端电压误差计算.仿真结果表明,相较于遗忘因子取值为1的固定遗忘因子递推最小二乘算法,基于模糊遗忘因子递推最小二乘法的锂电池模型端电压平均绝对误差值下降了0.00085 V,最大误差绝对值下降了0.0742V.相较于遗忘因子取值为0.9的固定遗忘因子递推最小二乘法,模糊遗忘因子递推最小二乘法参数辨识结果的稳定性有非常显著地提升.