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.

用渐消卡尔曼滤波器防止捷联惯导系统滤波发散

为有效防止捷联惯导系统滤波发散,根据卡尔曼滤波原理研究了滤波发散的原因,引入了渐消卡尔曼滤波和遗忘因子。对常规卡尔曼滤波器和渐消卡尔曼滤波器的滤波进行的仿真结果表明,采用渐消卡尔曼滤波器在工程上可解决捷联惯导系统滤波发散。

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。

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。

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。

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。

直接力/气动力复合控制系统自适应滤波器设计

针对防空导弹直接侧向力开启诱发的弹性振动,对直接力/气动力复合控制系统自适应滤波器设计进行了研究。根据弹性振动模型,采用有陷波滤波器的控制系统,设计了高通滤波器、频率辨识器和陷波滤波器。用渐消记忆最小二乘法在线辨识弹性振动模态频率,实时调整陷波滤波器参数,实现对弹性振动信号的自适应滤波。仿真结果表明:设计的自适应滤波器能准确辨识出弹性频率,可有效抑制弹性振动对控制系统的影响。

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。

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。

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。

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。

基于坡道识别技术的电动汽车换挡控制策略

装备自动变速器的汽车其换挡控制策略直接影响到汽车的实际道路行驶性能表现。以某装备两挡自动变速器的微型电动汽车为研究对象,分析了该车在坡道上行驶时产生循环换挡现象的内部原因。针对出现的换挡循环情况,采用渐消记忆最小二乘法对坡道路况进行识别,并基于该坡道识别方法对变速器的换挡策略进行了相应的修改。仿真分析的结果表明,添加坡道识别后的策略对坡道的适应性大大增强,消除了换挡循环情况,提高了汽车的道路适应性。

基于迭代优化算法的AUV水下运动目标航行参数估计

为了解决自主水下机器人(autonomous underwater vehicle,AUV)对水下运动目标进行实时动态追踪的技术难题,本文将渐消记忆递推最小二乘算法与平方根算法相结合,提出一种迭代优化算法。该算法充分利用渐消记忆递推最小二乘算法的快速收敛性能,利用平方根算法解决迭代过程中的数值不稳定问题。迭代优化算法能够快速解算出运动目标的初始距离、航向角及运动方向,数值收敛时间约为3 min,目标运动速度信息也能够在5 min左右收敛。该算法的收敛时间短、计算速度快,甚至AUV无需进行任何形式的机动即可令其保持悬停,这些优点使本算法适用于AUV水下运动目标追踪的工程实际问题。