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。

广义非线性动态最小二乘问题的一个直接解算方法

构建“数字地球”、“数字国家”等数字化科学工程的基础是数据[1 ] ,其数据具有多源、多维、多种类型、多种时态、多种精度并具有非线性特征等特点[2 ] ,首先要进行数据处理并应采用全新的广义非线性动态最小二乘法[3] [4] ,数据处理方法的核心是广义非线性动态最小二乘问题参数估计的函数模型及其解算方法 ,迄今国内外对这方面的研究尚不多。本文在作者前期研究、提出的广义非线性动态最小二乘函数模型参数估计迭代法求解[5] 的基础上 ,进一步研究、提出了一种广义非线性动态最小二乘模型参数估计的直接解算方法 ,将问题分离 ,把待求参数减半 ,直接求解。从而大大降低求解问题的维数 ,大大减少计算难度和计算工作量 ,这是国内外首次研究提出的一种比迭代法更快速、更有效、更科学的解算方法。为多源、多类、多时态数据处理开辟了一新途径 。

基于最小二乘的阵风响应非线性降阶模型研究

阵风是大气中一种强度较大的风扰动。降阶模型是解决阵风响应CFD数值模拟计算成本高和周期长的有效手段。针对阵风响应的高效高精度计算分析需求,基于非定常CFD数值模拟和本征正交分解并行方法,研究发展了基于物理的非线性最小二乘法阵风响应非线性预测降阶模型,采用亚声速和跨声速算例进行了验证。阵风响应非线性降阶模型预测结果与CFD非定常计算结果的对比分析表明:该模型具有可靠的计算精度和较高的效率,适合用于飞机设计所需的阵风精确高效快速分析。

广义非线性动态最小二乘理论在“数字山东”构建中的应用

"数字山东"是"数字中国"的一项宏伟科学工程,是推动山东省跨入信息社会的主题。构建"数字山东"这一科学工程的基础是数据,其数据具有海量、多源、多维、多类型、多时态、多精度、多尺度、多分辨率并具有非线性特征等特点,要将这海量数据统一管理、准确、唯一地可视化表达,首先要进行数据处理。针对"数字山东"中海量空间数据具有多样化、动态性和非线性等特点,应采用广义非线性动态最小二乘法进行数据处理。本文重点讨论了"数字山东"中的数据及其特点,处理这类海量数据的广义非线性动态最小二乘法的基本理论和基本方法及其数学模型,这一理论方法在"数字山东"构建中的数据处理方面的主要应用。

基于改进动态偏最小二乘法故障检测方法

目的 针对滚动轴承早期故障的特征信号微弱,在实际运转中由于数据具有时序相关性,使得滚动轴承早期阶段的故障特征提取难度增大等问题,提出一种基于深度分解理论的改进动态偏最小二乘法(DeepDPLS)的滚动轴承早期故障检测方法。方法 首先选择时滞参数使原始数据矩阵形成动态增广矩阵,确定深度分解的阶数;再应用深度分解理论得到分解生成的各个子空间;最后用偏最小二乘法(PLS)计算各个子空间的统计量和控制限,通过将每一个子空间的统计量与其对应的控制限进行比较来判别系统是否发生故障。结果 提出的DeepDPLS与PLS及其相关方法相比,极大地提高了滚动轴承的早期故障检测率;与DeepPLS相比,在一阶分解时故障检测率可达到100%,建立的模型更加精确,能更早地检测出滚动轴承的早期故障。结论 笔者提出的基于DeepDPLS的检测方法对于滚动轴承的早期故障检测是可行、有效的。

基于广义最小二乘法的随机非线性系统自适应跟踪

运用基于估计的模块化设计思想,研究了受方差不确定Wiener噪声干扰的参数严格反馈形式非线性系统对已知信号的自适应跟踪问题.构造控制Lyapunov函数(control Lyapunovfunction,CLF),设计了具有鲁棒稳定特性的输入状态稳定(input-to-state stability,ISS)控制器,确保系统满足控制器-辨识器分离;运用Swapping技术设计辨识器模块,将动态参数模型转换成静态模型,考虑到方差不确定,采用广义最小二乘算法进行参数估计,讨论了系统方差的估计方法.

基于最小二乘法的γ辐射监测仪非线性校正

针对γ辐射监测仪的剂量率与计数率的非线性问题对辐射监测精确测量产生的不利影响,本文提出了一种基于最小二乘法的非线性校正方法,通过程序设计实现对整个非线性区间的最优化分段性拟合,得到不同的拟合函数,达到高精度拟合的要求。测试结果表明:经过非线性校正,其相关系数达到了1,提高了拟合精度;相对固有误差<±10%,该方法能够显著提高测量精度,有效地减小测量误差。

多项式偏最小二乘法对非线性体系红外谱图的分析

文章利用了一种非线性模型多项式偏最小二乘法(PPLS),结合傅里叶变换红外光谱遥感技术,对大气中的五组分混合体系进行了同时分析。并与偏最小二乘法(PLS)得到的结果进行了比较,PPLS显示出较好的处理非线性数据的能力。尤其是对混合物中的苯和氯仿的预测,均方根预测误差(RMSEP)分别是0.043和0.087,用PLS预测相应的RMSEP为0.402和0.842。PPLS的这一预测精度,可以满足遥感傅里叶变换红外光谱对大气中有毒气体的实时、在线监测的需要。同时PPLS可以用较少的潜变量对变量进行解释,显示出PPLS模型的稳健性和简单化。

基于广义最小二乘法加速度传感器的动态建模

针对数学模型在动态校准实验数据处理中的重要地位,结合Hopkinson杆对加速度传感器测试系统动态校准所得实验数据,介绍了一种基于广义最小二乘法的动态数学模型建立方法。并利用Matlab/Simulink模块进行了仿真验证,由仿真结果表明该时间域数据处理方法具有简洁性、准确性的特点,特别适合于动态校准中建立差分方程模型。

基于改进型非线性最小二乘法的作物模型隐含参数估计

为了使作物生长模型中的参数最优化,提出了一种改进型非线性最小二乘法在作物生长模型中隐含参数估计的应用技术,针对多目标项的情况提出了权矩阵的自动计算方法。通过良好的人机交互界面,使得该方法更精确、更有效、更方便。实验表明:用该方法对作物模型进行参数优化后,再对番茄生长的动态过程进行仿真,对模拟值和实测值进行比较,两者拟合程度很好。

多输入多输出非线性系统的最小二乘支持向量机广义逆控制

针对神经网络逆控制存在的不足,对一类模型未知且某些状态量较难测得的多输入多输出(MIMO)非线性系统,在状态软测量函数存在的前提下,提出一种最小二乘支持向量机(LSSVM)广义逆辨识控制策略.通过广义逆将原被控系统转化为伪线性复合系统,并可使其极点任意配置,采用LSSVM代替神经网络拟合广义逆系统中的静态非线性映射.将系统的状态量辨识与LSSVM逆模型辨识结合,通过LSSVM训练拟合同时实现软测量功能.最后以双电机变频调速系统为对象,采用该控制策略进行仿真研究,结果验证了本文算法的有效性.

基于最小二乘法的欠驱动水面船舶模型预测控制

针对欠驱动水面船舶轨迹跟踪控制问题,根据模型预测控制(Model Predictive Control, MPC)原理,提出一种基于参数化模型的非线性模型预测控制(Parameterized Model-Nonlinear Model Predictive Control, PM-NMPC)方法。采用最小二乘法对船舶的参数化模型进行辩识,设计PM-NMPC控制器。对环境干扰下的某集装箱船艏向角控制和轨迹跟踪进行试验,验证控制算法的有效性,并将该控制器与比例积分微分控制器(Proportional plus Integral plus Derivative cotroller, PID cotroller)控制器进行对比。仿真结果表明,PM-NMPC控制器轨迹跟踪效果更好,对未知干扰具有更强的稳健性。

最小二乘法在热电偶电势非线性软件补偿中的应用

详细讨论最小二乘法拟合热电偶E-T曲线软件补偿的计算方法,并自行设计计算机程序.与硬件方法相比具有成本低、易调试、精度高等优点.实践证明,这种软件补偿法误差在0.5℃以下,是一种应用广泛的计算方法.

基于投影寻踪的非线性鲁棒偏最小二乘法及应用

来自工业现场的数据往往具有非线性特性且包含离群点,利用非线性偏最小二乘法(partia lleast squares,PLS)建模易受离群点的影响.针对这一问题,结合径向基函数(radial basis function,RBF)网络,本文提出了一种基于投影寻踪的非线性鲁棒PLS方法.该方法首先利用RBF变换将自变量与因变间的非线性关系转化为线性关系;然后利用投影寻踪算法提取变换后自变量的鲁棒偏最小二乘法成分;最后建立鲁棒PLS成分与因变量之间的鲁棒线性回归模型.将该方法应用于湿法冶金萃余液pH值软测量建模问题,结果验证了其有效性.

基于遗传算法的广义非线性最小二乘测量平差

为了解决当前“数字地球”、“数字国家”、“数字城市”、“数字矿山”等数字化工程中广泛出现的具有多源、多维、多类型、多精度、动态和非线性等特点的测量数据的误差处理问题,本文采用了一类基于自然界生物进化基本法则而发展起来的新算法——遗传算法,在提出、设计基于遗传算法的广义非线性最小二乘参数平差方法的同时,给出了遗传算子中选择、交叉、变异算子的设计,以及具体的算法步骤。通过实例计算表明,该遗传算法是进行广义非线性最小二乘参数估计的具有全局最优化的有效方法,为广义非线性测量数据处理提供了又一新的思路。

采用非线性最小二乘法实现圆环天线阵的方向图综合

为使阵列天线获得圆对称方向图,通常采用环阵的排列方式。本文研究了圆环阵列天线的特殊方向图综合方法,文中采用非线性最小二乘法对影响天线方向图的诸多参数,如单元的幅度和相位、单元间距以及单元在阵中的位置进行了优化设计,使阵列方向图在最小二乘意义上逼近预先给定的理想方向图。仿真结果表明该方法可行、有效。

动态广义最小二乘法在面板协整中的应用研究

在进行非平稳面板数据的协整分析时,使用动态最小二乘法(DOLS)可以有效消除内生性问题,从而得到具有渐进正态分布的统计量。但在小样本条件下,由于可使用解释变量差分项的阶数有限,导致模型中均衡误差项的序列相关,使得DOLS统计量出现严重的检验水平畸变。为此,本文将单一时间序列的动态广义最小二乘法(DGLS)应用于非平稳的同质面板数据模型。在序贯极限分布的条件下,DGLS统计量仍具有正态的条件极限分布。而仿真实验表明,对于非平稳的同质面板数据模型,即使在均衡误差项存在高序列相关的条件下,DGLS统计量仍具有较好的小样本性质。

基于全局非线性可分离的最小二乘法的飞机颤振模态参数辨识

考虑在输入-输出数据都带有噪声的前提下,将偏差补偿最小二乘算法(CLS)进行推广得到非线性可分离的最小二乘算法(NSLS)。采用适用于噪声环境的非线性可分离的最小二乘算法可准确地辨识飞机的颤振模态参数,该算法结合传递函数模型,将带噪声系统的辨识问题转化为非线性可分离的最小二乘问题。利用该算法,两噪声的方差值和传递函数中的模型参数可分离地估计出来。最后利用试飞试验数据辨识飞机的系统参数,验证了该方法的有效性。

广义非线性最小二乘测量参数平差的快速差分迭代解算

针对数字化建设中涉及的多类型、多精度、多源、动态非线性最小二乘测量参数平差问题,提出了一种新的解算模型。该模型通过构造适当的差分点列,避免了一阶或二阶导数计算,对于模型复杂或者导数不存在的函数模型而言,具有适应面广、算法简单等特点,为广义非线性数据处理中的参数估计问题的解决开拓了又一新的思路。

基于均匀设计及非线性偏最小二乘法的非闭合电极ECT传感器参数优化设计

提出了一种非闭合电极电容层析成像(ECT)传感器结构参数的优化方法。采用均匀设计结合非线性偏最小二乘(NPLS)回归,提取传感器结构参数(电极极板的宽度 l、绝缘外壳的壁厚δ_1、屏蔽罩与绝缘外壳间距δ_2及绝缘外壳材料的相对介电常数ε)与待优化指标(敏感场的均匀度及灵敏度指标 p′、最大与最小电容的比值 K)间的函数关系,建立相应的优化目标泛函,通过对优化目标泛函的求解,最终获得传感器结构参数的最优值。并以10电极非闭合电极 ECT 传感器为研究对象,进行了结构参数的优化设计,根据优化结果设计制作了非闭合电极 ECT 传感器,对其成像进行了仿真与实测。结果表明,参数优化后的传感器图像重建质量优于未优化的传感器。