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。

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。

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 。

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的无人机在线磁补偿技术研究

针对无人机飞行过程中,由于载体非平稳磁场干扰造成磁测航向角不准确的问题,提出一种结合遗忘滤波的递推最小二乘在线磁补偿方法。在分析了软、硬磁干扰机理和建立磁干扰模型的基础上,对常规递推最小二乘法加入遗忘因子修正,从而抑制磁场变化对磁补偿参数估计效果的影响。仿真和试验结果表明,在磁干扰较强且干扰磁场存在突变的情况下,此算法可以将磁航向角RMSE减小至3.822 0°。该方法计算量较小,能够有效适应机载条件下的变化磁场补偿,并达到较高的航向角精度要求。

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。

基于可变遗忘因子的递推最小二乘法锁相环研究

电网电压相位角的准确获得,是变流器并网运行关键的指标之一。当三相电压出现频率、幅值或者相位突变时,传统锁相环算法往往出现相角估计不准,动态性能较差等问题。本文提出基于可变遗忘因子的递推最小二乘法锁相环算法,该方法通过对电网电压不平衡引起的相电压的角度、幅值和偏移量进行实时补偿来检测相角,实现提高系统鲁棒性和系统稳定性的目的。通过仿真和实验加以证明,结果表明该算法可以有效提高锁相环的精度和可靠性,提高系统的抗干扰能力。

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。

基于动态遗忘因子最小二乘与EKF的电池SOC估计

电池荷电状态SOC(state of charge)作为电池管理系统中尤为重要的一部分,其准确估计成为锂离子电池研究的重点;为了提高动态工况下的SOC估计精度,对锂离子电池等效模型进行分析,基于AIC(赤池信息)准则确定二阶RC电路为等效电路模型,使用递推最小二乘算法对模型参数进行在线辨识,为提高辨识精度,提出了带动态遗忘因子递推最小二乘的改进算法,对算法加入遗忘因子,通过电压结果误差实时动态调整算法遗忘因子取值;将递推最小二乘算法和含动态遗忘因子最小二乘算法分别与扩展卡尔曼滤波(EKF)算法进行SOC联合估计,并对比其预测效果,结果表明含有动态遗忘因子最小二乘与EKF联合估计模型具有更高的精度和鲁棒性。

非平稳信号的的递递推最小二乘盲分离

针对非平稳信号盲分离问题提出了一种基于递推最小二乘(RLS)算法的非平稳信号盲分离新方法.首先引入遗忘因子对常规代价函数进行指数加权修正,得到一种新的具有递归结构的代价函数;然后利用RLS算法最小化代价函数,推导最优分离矩阵的自适应更新算法,逐步实现信号分离.该算法避免了最小二乘类算法关于学习速率选择困难的缺点,具有收敛速度快、稳定性好等优点.仿真实验验证了算法的有效性.

基于遗忘因子递推平方根的在线转动惯量辨识

为使伺服系统始终具备优良的动态响应,有必要对系统等效转动惯量进行辨识。含遗忘因子的递推最小二乘惯量辨识方法对存储字长要求高,多次递推计算会降低协方差矩阵的正定性,导致辨识失真甚至发散。仿照FFRLS,同样可以推导出含遗忘因子的递推平方根改进算法,该方法降低了FFRLS对字长的要求,更适合应用于字长有限的嵌入式系统。仿真和实验结果验证了FFRSR辨识方法稳定性较高,辨识效果明显优于FFRLS。

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永磁伺服系统参数辨识

为使永磁同步电机(PMSM)控制系统在复杂环境中具有较好的动态性能,伺服系统必须具有参数辨识和参数自整定的功能,而转动惯量与负载转矩辨识是其首要解决的问题。采用零阶保持器对电机运动方程进行离散化建模,考虑了摩擦系数对辨识结果的影响,将基于遗忘因子递推最小二乘辨识算法应用于该离散模型可以同时辨识出系统转动惯量、负载转矩和摩擦系数。同时,针对Matlab/Simulink中库模型参数不能在线动态修改的缺点,提出改进型PMSM模型,以此搭建了伺服系统的仿真控制模型,完成了定参数与变参数的动态仿真。最后,在stm32微控制器上进行了实验验证。仿真和实验表明该文提出的电机离散化模型和参数辨识方法具有一定的准确性和实时性,仿真结果验证了改进型PMSM模型在变参数仿真研究中的实用性。

基于递推最小二乘算法的小信号检测

受到强干扰影响的小信号通常难于有效检测。在分析递推最小二乘算法(RLS)原理及其几种改进形式的基础上,采用自适应方法将已检测出的大信号与原混叠信号对消,降低大信号对小信号的遮蔽作用,再进行小信号的检测。最后通过仿真证明,该方法能够在较小失真的情况下,有效检测出被大调幅信号干扰下的小调频信号;同时分别比较了各种算法的优劣,得出基于可变遗忘因子的RLS(VFF-RLS)算法不仅具有较快的收敛速度,而且收敛之后具有很好的平稳性能。

基于递推最小二乘算法的合成试验控制方法研究

针对大容量合成试验的精度要求高、实时响应速度快的控制要求,采用了递推最小二乘算法预测短路电流的零点;同时分析了采样精度、采样频率、噪声、频率偏移等因素对预测算法计算精度的影响,并且给出了改进的方法。为了验证算法的准确性,搭建了以DSP为核心器件的合成回路控制系统。试验结果表明,电压回路和延弧回路的实际投入时间与设定时间的误差在50μs以内,满足合成试验精度要求,保证合成试验的等效性。

一种改进递推最小二乘的系统谐波阻抗估计方法

谐波责任划分的前提是系统谐波阻抗的精确估计。针对测量异常值和背景谐波变化造成谐波阻抗估计误差,该文将带遗忘因子的递推最小二乘法和稳健回归法结合,提出一种改进递推最小二乘的系统谐波阻抗估计方法。基于公共连接点处谐波电压和谐波电流数据,利用抗差最小二乘计算残差矩阵,进一步得到自适应变化遗忘因子,引入于中国科学院大地测量与地球物理研究所Ⅲ(Institute of Geodesy and GeophysicsⅢ,IGGⅢ)稳健权函数,采用复数递推最小二乘法更新增益矩阵和协方差矩阵,并进行待估参数的更新,最终得到系统谐波阻抗。仿真和实例测试有效验证了该文所提方法的优势。

基于可变遗忘因子RLS算法的谐波电流检测方法

为了提高有源电力滤波器谐波检测环节的动态响应性能和精度,进而取得更好的谐波补偿电流跟踪效果,提出了一种基于可变遗忘因子递归最小二乘法(RLS)的谐波电流检测算法。该算法通过设定负载谐波电流动态过程发生的判别条件判断动态过程的发生,并动态地给出遗忘因子的取值,从而提高算法收敛速度。算法不但克服了的p-q和ip-iq法中低通滤波环节对动态响应特性的不利影响,而且化解了传统的RLS谐波电流检测算法中稳态与动态过程对遗忘因子不同的要求所产生的矛盾。最后,通过Simulink仿真分析和APF样机实验验证了本文所提的改进算法比传统的RLS谐波电流检测算法具有更快的动态响应特性,是一种非常有效的谐波电流检测方法。