基于递推最小二乘算法的感应电机参数辨识

实现感应电机良好的矢量控制性能的前提是需要获取精准的电机参数。传统使用堵转、空转来测取感应电机参数的方法不但受试验环境的影响,同时也大幅增加了人力成本。为解决这一问题,文章提出一种适用于静止状态下感应电机递推最小二乘算法参数辨识的策略,在MATLAB/Simulink中构建适用递推最小二乘算法的感应电机数学模型及辨识系统,仿真结果表明所提的辨识策略能够有效地对电机电气参数进行精准的辨识。

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。

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。

递推最小二乘法在皮革切割机被控对象辨识中的应用

为了提高数控皮革切割机切割精确度,加快切割速度,以皮革切割机单轴运动控制系统伺服驱动器、伺服电机、机械传动机构为被控对象,以逆重复序列为激励信号,采样系统输入输出数据,通过时间序列模型估计参数、AIC准则(赤池信息)辨识模型阶次;基于递推最小二乘法,给定开环下皮革切割机被控对象系统数学模型,并以残差相关分析法验证模型辨识有效性。研究发现,递推最小二乘法可切实应用于皮革切割机运动控制器参数优化、系统预测、故障告警。

一种基于折息最小二乘法的PMSM磁链辨识方法

永磁同步电机(permanent magnet synchronous motor,PMSM)的磁链准确辨识是实现高性能电机控制的基础。针对传统递推最小二乘(recursive least squares,RLS)法受噪声影响小但存在数据饱和,影响辨识精度和动态性问题,以及遗忘最小二乘(recursive least squares with forgetting factor,FRLS)法避免数据饱和但存在参数估计误差与动态跟踪性能矛盾的问题,文章提出一种基于折息最小二乘(recursive least squares with discount factor,DRLS)法的磁链辨识方法。该算法在FRLS法中引入加权因子构成折息因子,采用递推方法进行磁链辨识,减小参数估计误差,提高磁链辨识精度及动态跟踪能力。通过MATLAB仿真及半实物仿真试验,验证所提磁链识别方法的有效性。

基于递推最小二乘算法的感应电动机参数离线辨识

感应电动机参数离辨识是实现高性能变频调速的前提。对基于递推最小二乘(recursive least-squares,RLS)算法的电机参数离线辨识的具体实现进行了详细阐述;基于离线辨识时电机的静止特性,简化了电机数学模型,减少了计算量;采用改进欧拉数值解法,求解巴特沃思数字滤波状态方程,既可获得信号的滤波值,同时又直接解得了信号的1阶和2阶导数值,避免了导数离散化的误差影响,提高了运算精度;运用线性反馈移位寄存器产生伪随机白噪声序列(M序列),作为辨识的激励信号;针对不同功率的电机进行了大量的仿真和实验研究,实验结果表明所提方法稳定性良好,辨识结果的一致性和准确性较高。

非持续激励条件下系统辨识递推最小二乘最小范数算法

系统辨识中广泛应用的最小二乘算法需要输入向量序列满足持续激励性条件(PE条件);但在大多情况下这是难以满足的.本文提出了一种不依赖于PE条件的递推最小二乘、最小范数辨识算法.首先分析了最小二乘算法解空间的结构,并运用罚函数方法,将参数辨识问题转化为无约束优化问题.然后,提出了将步长、罚因子等过程控制参数统一的迭代-递推形式的辨识算法,证明了算法在给定的控制参数约束下收敛于唯一的最小二乘、最小范数解向量.仿真实验表明在非PE条件下算法的有效性。

非整数阶系统频域辨识的递推最小二乘算法

非整数阶系统辨识方法是建立非整数阶系统模型的一种重要工具.本文提出了一种非整数阶系统频域辨识的最小二乘递推算法.给出了算法的详细推导,并用已知系统验证了算法的有效性.结果表明该算法是整数阶系统辨识的最小二乘递推算法的推广.使用此算法,不但能辨识整数阶系统,还能辨识非整数阶系统.

基于前向神经网络的非线性时变系统辨识的改进递推最小二乘算法

标准的递推最小二乘算法随着递推次数的增加,增益矩阵将逐渐趋于零,致使递推算法慢慢失去修正能力,出现所谓的"数据饱和"现象。为了克服"数据饱和"问题,首先对递推最小二乘算法进行改进,得到了改进的最小二乘算法(IRLS),并给出了收敛性证明,然后将该算法应用于基于前向神经网络的非线性时变系统辨识。通过对两个非线性时变系统进行有效验证,仿真结果表明本文算法计算精度高、计算速度快、数值稳定性好,并能有效克服"数据饱和"。

基于递推阻尼最小二乘辨识的六自由度磁悬浮平面电机动力学模型

六自由度磁悬浮平面电机是一种新型特种电机,具有六自由度运动、直接驱动、无机械摩擦、结构紧凑等特点,在光刻机等精密制造领域极具应用前景。然而,由于该类电机具有多变量、非线性、强耦合等突出特性,难以精确获取其动力学模型。为此,论文提出基于递推阻尼最小二乘辨识的六自由度磁悬浮平面电机动力学模型。首先,推导了六自由度磁悬浮平面电机的动力学模型。其次,基于多新息最小二乘法创新的引入阻尼项建立了递推阻尼最小二乘法,之后,利用Matlab对所提出方法进行仿真,获得电机在X、Y自由度上的辨识模型。最后,通过仿真验证了所建立动力学模型的准确性,实际系统与辨识模型之间的X、Y自由度上的均方误差分别为22.42 nm、7.11 nm。

基于递推最小二乘法的分合闸线圈参数辨识与在线监测

分合闸线圈是高压开关常用的执行元件,分合闸线圈的在线监测是整个开关柜健康监测必不可少的环节。以直流分合闸线圈为研究对象,基于递推最小二乘参数辨识方法,实现分合闸线圈的启动电感和等效电阻的参数在线辨识,并将该方法用于分合闸线圈的健康状态在线监测。首先,对分合闸线圈启动阶段的状态进行分析,并建立等效微分模型;其次,通过Simulink仿真建立等效模型验证递推最小二乘方法的有效性;最后通过实验验证了该方法在实际工程应用中的可行性。

一种基于最小二乘的锅炉汽包水位控制递推辨识算法研究

传统锅炉汽包水位采用常规PID控制,其控制参数是固定不变的,控制效果往往难以满足要求,会造成系统不稳定甚至失控。现讨论基于最小二乘的递推辨识算法,能在线估计系统模型参数,根据不同工况,实时跟踪参数。给出了两种算法的数值仿真,仿真结果表明,与传统PID控制算法相比,最小二乘递推辨识算法超调小,响应速度快,具有较好的控制效果。

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。

一种基于递推最小二乘的频域辨识的新算法

研究系统传递函数频率特性的准确测量问题,对于飞行器器件而言,系统的传递函数往往比较复杂,主要体现在传函阶次较高,传函中系数之间的量级相差很大。同时,不同输入信号之间的频率量级差别也很大。应用一般的算法所辨识出的结果往往不太理想。研究了如何利用频域响应数据辨识飞行器器件的传递函数,提出了一种系统频域辨识的新算法。算法在递推最小二乘的基础上,对辨识数据进行迭代修正处理,以提高结果在低频部分的拟合度。通过仿真,验证了算法的有效性。

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。

基于递推最小二乘法惯量辨识的伺服控制算法

高性能伺服系统需要适应负载惯量的变化,并及时调整对应的比例积分参数来保持或提高系统的控制性能,等效负载惯量辨识是比例积分参数自整定的基础。建立了离散化电机运动方程,并结合伺服驱动器领域中较成熟的递推最小二乘法原理,推导出等效负载惯量辨识公式。在计算机软件中搭建伺服控制系统仿真平台,验证基于递推最小二乘法的等效负载惯量辨识的准确性。

可变加权因子的递推最小二乘辨识算法及应用

本文利用可变加权因子的递推最小二乘辨识算法,实现时变过程的参数辨识,通过仿真实例说明它能够克服“数据饱和”现象,从而改善参数辨识结果。该方法原理简单,使用方便,并有较好的准确性、良好的估计性能,是一种正确、有效并具有计算量小、辨识速度快、建模效率高等特点的参数估计方法。

基于递推最小二乘算法的逆变器参数辨识

逆变器作为光伏发电并网系统的关键元件,其性能不仅影响和决定整个光伏并网系统是否能够稳定、安全、可靠、高效地运行,同时也是影响整个系统使用寿命的主要因素。针对现阶段已有的逆变器模型及控制系统研究的不足,采用电压型三相桥式逆变电路的结构,电压外环、电流内环的双闭环控制,并推导出了逆变器的dq轴解耦待辨识模型,采用递推最小二乘算法对该模型进行参数辨识,得到了各个待辨识参数的实际值,由辨识结果可以看出辨识误差较小,辨识值与设定值非常接近,并在模型中加入了扰动实验,进一步验证了该算法在逆变器辨识方面的准确性和可行性。

时滞和滤波联合辨识的递推最小二乘算法

时滞和滤波联合辨识问题既是经典时滞估计问题的推广，又是自适应系统建模和时灌估计两方面的交叉。本文针对先滤波后时滞的系统模型，从方法上改进BOUDREAU＆KABAL提出的基于快速横向滤波器的递谁最小二乘滤波算法，使其时间复杂度由O［19ρ］下降为0［7ρ］，便于实时在线应用。我们以低通滤波器与线性时滞串联系统的辨识为例，表现该算法对变化时滞的跟踪能力及联合辨识性能。