渐消记忆的最小二乘法在参数辩识中的应用

采用渐消记忆最小二乘法研究了捕食模型中的参数辨识问题,通过仿真对比,效果比较理想,给出了辨识出的参数的系统的仿真对比图,并且对捕食模型进行了稳定性分析.

系统辨识中的限定记忆最小二乘法参数估计算法及应用

将限定记忆最小二乘法用干线性时变系统的参数估计，线性系统用离散差分方程来表示，给出了相应的批量算法和递推算法公式及算例。

基于最小二乘法的产品满意度预测模型

在简要分析产品满意度对企业的重要性和国内外相关研究的基础上,通过引入最小二乘算法,建立了一种产品满意度预测模型。通过数据刷新,建立了动态的模型修正机制,以提高模型的预测精度,从而为企业确定何时应该改造其产品提供了重要依据。

基于LM-RLS和渐消因子EKF算法的锂电池SOC估计

为提高复杂工作环境下锂电池荷电状态估计精度,以三元锂离子电池为研究对象,采用限定记忆递推最小二乘法与渐消因子扩展卡尔曼滤波算法相结合进行荷电状态估计。以有限组数据计算当前时刻模型参数,解决数据饱和问题。在扩展卡尔曼滤波算法中加入渐消因子,弱化旧数据的影响,实时调整误差协方差矩阵。为验证算法的合理性,建立二阶RC等效模型,对不同工况进行荷电状态估计。验证结果表明,算法估计精确度高且稳定性好。系统稳定后,HPPC、BBDST工况中的荷电状态最大估算误差分别为0.0144和0.0085,且波动范围较小,验证了改进算法估计锂电池荷电状态时的良好性能。

聚丙烯熔融指数的最小二乘建模与自适应预报

针对工业双环管丙烯聚合装置熔融指数(MI)在线测量的困难,进行了聚丙烯熔融指数的在线最小二乘建模与自适应预报方法的研究。首先结合聚合反应机理分析,以Hammerstein模型描述聚丙烯熔融指数的动态特性,其次,利用渐消记忆递推最小二乘法在线更新Hammerstein模型参数。在此基础上,通过降维观测器的设计提出并实现了工业双环管聚丙烯装置的一种熔融指数的在线最小二乘建模与自适应预报方法。最后,利用工业数据验证了此算法的可行性和有效性。

CARMA模型的递推估计

基于最小二乘估计理论，结合广义最小二乘法与限定记忆法，给出了具有相关噪声带控制输入的自回归滑动平均模型及未知参数的递推估计算法．

CAR模型的递推估计及仿真

针对带有控制输入的自回归模型中未知参数的估计,将加权最小二乘法与限定记忆法相结合的新算法,利用C语言对其进行了仿真实验,该仿真实验进一步验证了新算法的有效性和实用性。

多变量CAR模型的递推辨识

将加权最小二乘法和限定记忆两种参数估计方法相综合 ,给出了多变量系统带控制输入的自回归模型未知参数的递推估计算法 .

一种提高轨道预测精度的递推估值算法

测控雷达系统必须具有跟踪目标速度快、精度要求高等特点,并且当目标信号受到障碍物遮挡目标丢失后,要求测控系统能够对目标运行轨迹进行精确预测,提高目标重新出现后的重捕概率。为了提高轨道预测精度,在轨道跟踪算法基础上引入了最小二乘法数据外推理论,使用最小二乘法对丢失后的目标轨道数据进行了预估值外推分析,并针对最小二乘法数据外推随着时间增长精度快速变差的缺点,引入了递推的最小二乘法。通过实验和数据分析表明,使用递推最小二乘法能够大幅度提高目标丢失5 s内的轨道预测精度,满足雷达测控系统记忆跟踪和目标重捕的要求。

带式输送机运行过程动态优化控制设计及实验研究

为解决当前带式输送机在变频调速过程中无法保证设备安全性的问题,在对带式输送机能耗分析的基础上,提出了采用渐消记忆递推最小二乘法对带式输送机的能耗参数进行预测,采用两层结构的动态优化控制器对输送带的带速进行最优化控制,通过构建实验系统的方式验证了动态优化控制的节能效果和安全性。

基于UD分解的改进型强跟踪滤波器

带多重次优渐消因子的强跟踪滤波器在计算舍入误差的影响下,估计状态的均方误差矩阵会失去非负定性,从而导致滤波发散的现象。在UD分解算法的基础上,提出了一种改进型带多重次优渐消因子的强跟踪滤波器。通过对引入渐消矩阵的一步预测均方误差矩阵进行UD分解,并将分解矩阵应用于滤波器量测信息的更新过程中,增强了算法的数值稳定性。此外,根据UD分解的结果给出了渐消矩阵的最小二乘解算方法,在提高渐消因子计算效率的同时摆脱了对先验知识的依赖性。仿真结果表明了算法的有效性。

基于实时反馈的机床热误差在线补偿模型

为建立一种能够适应机床不同工况且具有准确预测能力的热误差补偿模型,提出一种基于限定记忆递推最小二乘法辨识热误差模型参数的机床热误差预测建模方法。该方法随着机床工作状况的改变,根据实时反馈的温度和热误差数据,采用递推方法对模型参数进行即时修正,使热误差模型能够及时跟踪机床系统的热特性变化,实现以较高的预测精度对机床热误差进行补偿。通过数控车床主轴轴向热误差辨识建模及补偿实验可以看出,限定记忆递推最小二乘法比一步最小二乘法辨识精度有较大提高,最大残差值减小了52.3%,标准差减小了67%。实验结果表明,利用该方法进行机床热误差模型参数辨识具有较高的预测精度和鲁棒性,有效可行。

压电执行器的Bouc-Wen模型在线参数辨识

现有的定参数Bouc-Wen模型由于无法表征压电执行器迟滞具有的频移和时变性,极易产生较大的模拟误差。为了精确地模拟压电执行器的迟滞特性,本文建立了压电执行器的Bouc-Wen模型,并采用递推最小二乘在线辨识方法来实时辨识Bouc-Wen模型的参数。为了避免出现数据饱和现象,使用限定记忆来限定辨识方法所使用的数据组数。为验证该辨识方法的有效性,建立了相应的实验系统对其进行实验验证。实验结果表明,限定记忆递推最小二乘在线辨识方法能使Bouc-Wen模型也呈现频移和时变特性。以100 Hz的驱动电压为例,其最大绝对模拟误差从1.38μm降为0.51μm。因此,与传统的离线参数辨识方法相比,限定记忆递推最小二乘在线辨识方法能够有效地提高Bouc-Wen模型的模拟精度。

溶解氧的广义预测控制仿真研究

通过Matlab仿真,运用渐消记忆递推最小二乘法进行在线辨识,对溶解氧过程进行了广义预测控制的研究。通过尝试不同控制器参数,找到了控制效果较好的参数组合。同时对广义预测控制在快时变系统上的应用和相关参数的影响进行了探索。研究表明:广义预测控制比模糊自适应PID控制的电耗指标有所减少。

AUV自主导航航位推算算法的分析研究

地球形状的不规则性,各种导航传感器本身的误差,以及仪器的安装偏差等,使得AUV(自治水下机器人)在进行远距离自主航行时,自主导航的精度大大下降。针对以上问题及实际工程需要,论文对AUV自主导航的航位推算算法做了进一步研究并加以改进,以提高其自主导航精度。最后,利用2004年中国科学院沈阳自动化所水下机器人研究中心进行AUV湖试所获得的数据,对文中提出的算法进行了验证。结果表明,AUV的自主导航精度得到大大提高,可以用于修正原来的自主导航算法。

相应涨差模型在水库实时洪水预报调度中应用

降雨发生时由于通信故障或遥测系统出错等原因,不能获得流域上游水雨情信息,只有中心站水雨情信息可得.为解决此问题,将改进的相应涨差模型应用到水库实时洪水预报调度中.模型采用衰减记忆递推最小二乘算法进行参数在线识别,用预报流量修正公式对预报结果进行修正.通过模型及修正公式检验,该模型可应用于水库或河道的实时洪水预报中.在水库实时洪水预报时,只需中心站的流量信息,计算方法简单.将模型应用于辽宁省大伙房水库,其预报结果令人满意.该模型可为水库实时调度方案制定提供依据,也可为其他无资料或资料短缺地区的实时洪水预报调度提供参考.

临钢6^#高炉含硅量预测的计算机在线实现

临钢 6# 高炉铁水中硅质量分数的预测是“高炉专家系统”中的一部分 ,为了使预测模型能够在线进行 ,采用了限定记忆法进行模型参数的辨识 ,对辨识出来的参数用牛顿法进行优化 ,并且用鼓风动能和风量、风温 2种方法对预测模型的预测值进行了修正 ,使命中率提高了 4～ 5个百分点。给出了数据库系统的组织以及计算机实现的流程图。

基于动态线损及FMRLS算法的智能电表误差在线评估模型

针对当前智能电表现场检定效率低、人力成本高、实时性差、无法全量监测等问题,提出一种基于动态线损和渐消记忆递推最小二乘法(dynamic line loss and fading memory recursive least square,DLL-FMRLS)的智能电表误差在线估计算法。首先,通过分析台区线损与供电量之间的关系,对传统模型进行改进,提出动态线损误差模型,该模型中线损可随实际供电量变化,使得模型获得的误差估计值更接近实际值;然后,利用FMRLS算法求解动态线损误差模型,以获得智能电表运行误差;最后,根据某省电网公司的实际数据对算法现场验证。结果结果表明,与列文伯格–马夸尔特(Levenberg-Marquardt, LM)算法和限定记忆最小二乘(limited memory recursive least squares,LMRLS)算法相比,所提算法可以有效提高智能电表的误差估计的准确度。

参数辨识方法在动态称重系统中的应用

本文是把动态称量和定量控制相结合,用控制算法来实现多级控制,从而提高了称量的精度和速度,弥补了单独提高动态称量精度或单方面优化定量控制策略的不足。论文具体分析了定量称量问题,首先是把称量系统看作是一个二阶系统,建立数学模后,进行拉普拉斯变换和Z变换后得出一个质量仅与系统参数有关的关系式,从而把称量问题转化为一个系统参数识别问题来解决。

雷达低仰角目标跟踪的测角误差实时补偿算法

为提高雷达对低空目标的跟踪精度,提出了一种基于渐消记忆递推最小二乘法的测角误差实时估计算法。该算法利用不同设备同时对目标进行跟踪,得到不同的观测结果。利用渐消记忆递推最小二乘法对不同的观测结果进行处理,赋予不同的权值,得到最终的测角误差估计值。通过理论分析,构建多径环境模型,对该算法的效能进行验证。仿真结果表明,由该方法得到的测角误差估计结果估计误差小,同时可有效减小测角误差的抖动,得到稳定的测角误差估计结果。