基于WRLS-ARMAX系统辨识的新能源电力系统惯量评估

随着高比例新能源机组并入电网,电力系统低惯量特性愈加显著,严重影响了系统运行稳定性。为了准确估计新能源电网实际运行状态下的惯量大小,提出了一种基于加权递推最小二乘(WRLS)-受控自回归滑动平均(ARMAX)系统辨识的新能源电力系统等效惯量评估方法。首先,以发电机为对象,建立不同扰动情况下发电机功频响应特性的通用惯量解析模型;其次,以发电机并网母线有功功率和频率扰动作为输入和输出,建立ARMAX模型,考虑到实际电网运行过程中受大、小扰动共同影响,实际测量数据具有异方差性,采用WRLS求解模型中的待辨识参数;然后,提取辨识模型中包含惯量响应的传递函数模型,利用阶跃响应计算惯量源的惯性时间常数,进而计算得到系统等效惯量大小;最后,通过Matlab/Simulink仿真算例验证了所提方法的准确性和实用性。

单级旋转倒立摆系统辨识与随动稳定控制方法研究

针对单级旋转倒立摆系统参数辨识和随动稳定控制问题,首先建立倒立摆在不受外力控制,摆杆自然下垂的顺摆模型,基于顺摆模型采用快速傅里叶变换方法对系统参数进行辨识;然后推导顺摆模型与倒摆模型之间的关系,进一步得到倒立摆的倒摆模型;根据辨识出的倒摆模型,采用线性二次型控制器对其进行稳定控制,并进行了数值仿真与实物实验验证。研究结果表明,通过辨识得到的系统模型更加精确,对比直接测量参数得到的系统模型,控制效果更好,且能对随动输入指令进行更优的跟随。该方法可以有效避免量测误差,提高模型的准确性,为火炮随动稳定控制提供参考。

非对称偏斜噪声条件下一种鲁棒概率系统辨识算法研究

在现有的系统辨识算法中,常用的高斯、学生氏t(Student's t,St)、拉普拉斯等噪声分布均呈现出对称的统计特性,难以描述非对称性、有偏的输出噪声,使得在非对称偏斜噪声条件下算法的性能下降.基于此,研究一类广义双曲倾斜学生氏t(Generalized hyperbolic skew student's t,GHSkewt)分布,并在非对称偏斜噪声条件下,提出一种线性系统鲁棒辨识算法.首先,对GHSkewt分布的重尾特性和偏斜特性进行详细阐述,数学上证明了标准学生氏t分布可看作是GHSkewt分布的一个特例;其次,引入隐含变量将GHSkewt分布进行数学分解,以方便算法的推导和实现;最后,在期望最大化(Expectation-maximization,EM)算法下,重构具有隐含变量系统的代价函数,通过迭代优化的方式,不断从被污染数据集中学习过程的动态特性和噪声分布,实现噪声参数和模型参数的联合估计.

快速反射镜的系统辨识与回路成形H∞鲁棒控制

音圈式快速反射镜(Voice Coil Actuator-Fast Steering Mirror,VCA-FSM)是星间激光通信中的重要伺服机构,其基于音圈电机进行驱动,FSM内部的柔性支撑结构以及轴间相对运动使系统存在复杂耦合特性,降低了系统的控制性能。对于该问题,本文提出了一种基于模型辨识的双轴回路成形H∞解耦控制方法。首先,基于激励与响应数据求解系统脉冲响应序列,构造Hankel矩阵进行系统辨识;其次,考虑系统的耦合特性,基于标称模型进行双轴回路成形H∞鲁棒控制器的设计;最后,基于VCA-FSM伺服控制实验平台,开展方波与正弦扫频实验。实验结果表明:相较于LQG与LQR控制,本文所提出的双轴回路成形H∞鲁棒控制使系统X,Y轴跟踪闭环带宽分别最大提升了54.3 Hz和54.8 Hz,显著降低了系统的耦合特性。本文所提出的控制方法充分提高了VCA-FSM伺服系统的性能,实现了双轴VCA-FSM的高性能解耦控制。

磁悬浮轴承系统辨识与鲁棒控制

为解决传统鲁棒控制器设计中存在的磁悬浮轴承被控模型建模复杂且难以准确建模的问题,运用正交多项式拟合方法,对模态实验测得转子的刚体模态及弯曲模态频响数据进行系统辨识,建立磁悬浮轴承转子系统被控模型;基于系统辨识所建立的磁悬浮轴承被控模型进行H_∞鲁棒控制器设计。实验结果证明:基于系统辨识模型的鲁棒控制器能够实现转子的稳定悬浮及对转子刚体模态的控制。

小型无人直升机系统辨识算法研究

获得精确的小型无人直升机动力学模型,是对其准确控制的前提条件。创新性提出的加权退火算法是一种有效的时域辨识算法,它对模拟退火算法进行特别的改进,可较快的收敛得到小型无人直升机高精度动力学模型。同时,上述算法克服了以往辨识对初始点选择敏感的问题,也避免频域辨识算法通常所需的输入通道扫频环节,从而降低实施辨识的工作量和成本。以真实的四点飞行数据为输入,通过搭建的分布式计算平台,计算出小型无人直升机的全状态空间模型(13阶,包含悬停模态和前飞模态),加权退火辨识算法的有效性得到很好验证。

基于系统辨识的航空发动机稳态燃油自抗扰控制

自抗扰控制技术应用于航空发动机稳态燃油控制存在两个难点:发动机中的高频不确定动态导致扩张状态观测器(Extended State Observer, ESO)增益过高和名义控制系数整定困难。针对此现状,提出一种基于系统辨识的航空发动机稳态燃油自抗扰控制器。首先,使用经典Gram-Schmidt(Classical Gram-Schmidt, CGS)算法对控制系数和发动机未知动态进行辨识,将辨识信息加入ESO中设计改进ESO (Improved ESO,IESO),从而使总扰动中包含较少的高频动态,降低观测器增益。其次,基于IESO设计航空发动机稳态燃油自抗扰控制器,并根据辨识结果快速整定名义控制系数。最后,分析IESO观测误差的收敛性和闭环系统的稳定性。仿真结果表明,所提方法可以快速整定名义控制系数,有效降低观测器增益,进而提高系统的鲁棒性。

基于物理白盒子与翻转课堂的系统辨识实验教学改革实践

为降低系统辨识入门难度,激发学生的学习兴趣,开发了一套实验教学装置,设计了一个内部结构为一阶和二阶电路而参数未知的待测对象“白盒子”,采用STM32F103单片机实现波形测量,结合上位机实现虚拟示波器与标尺功能。设计基于阶跃响应法的实验内容,逐步递进辨识系统参数。结合翻转课堂教学模式,提高学生参与度。教学实施结果表明,基于物理白盒子的辨识实验有助于学生深入理解系统辨识概念并掌握基本方法,从形象思维转向抽象思维,提高实践能力。

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。

基于系统辨识的无人直升机试飞

无人直升机是一种具有垂直起降、悬停、前飞等多种飞行能力的无人飞行器。其在军事、民用等领域具有广泛的应用前景。然而由于无人直升机的系统复杂性,其飞行性能和稳定性受到诸多因素的影响,因此,开展基于系统辨识的无人直升机试飞具有重要意义。本文介绍了基于系统辨识的无人直升机试飞技术。通过试飞任务规划、试飞数据采集与处理、模型辨识与验证等步骤,可以得到较为准确的无人直升机动态模型。

具有柔性特性的机电伺服系统辨识

机电伺服系统中的柔性谐振特性是限制系统性能的关键要素,准确地描述柔性特性对于抑制谐振和提升伺服性能有重要意义.本文采用伪随机序列作为辨识激励,将脉冲响应相关性辨识和特征系统实现算法相结合,提出了一套集实验设计、模型计算、模型验证于一体的系统辨识方案;该辨识方案适用于机电伺服系统的辨识任务,且能够有效识别系统的柔性模态.本文以某大口径射电望远镜天线设备为应用实例,详细介绍了本文所述辨识方案的实施细节,得到了此天线伺服系统的模型.为了评价所得模型的质量,分别从频域和时域对比了本文方法、最小二乘和子空间方法所得模型与实测数据的拟合情况;结果表明,相比其他两种辨识方法,本文方法获取的模型对柔性谐振的辨识更加准确.

基于系统辨识的自适应变形机翼控制系统设计

针对固定翼飞行器无法在复杂多变飞行环境中始终处于最优气动构型的缺陷,提出能够根据飞行环境参数自适应变形的机翼设计理念。设计了一款通过刚性翼盒偏转实现变形功能的机翼,通过面元法耦合XFOIL黏性修正器进行气动模型仿真计算,对该机翼的气动特性进行分析;并在此基础上设计变形机翼舵机风洞试验平台,搭建测试采集系统,对航模舵机驱动变形的气动伺服系统进行低速风洞试验,通过子空间辨识法获得了气动伺服系统的数学模型,并通过比例积分微分(PID)控制结合Smith预估控制算法的方式进行舵机补偿控制。最后根据得到的变形机翼气动数据和舵机频响特性,以优化气动性能为目标设计了一款基于舵机补偿的自适应变形机翼反馈控制系统,可以实现在复杂环境中的舵机补偿和自适应变形,对后续变形机翼的设计提供了参考。

基于自由自航数据的无人帆船动力学模型系统辨识

基于一艘无人帆船的自由自航实测数据,采用贝叶斯回归方法辨识得到帆船四自由度动力学模型,并通过静态速度预报算法获得该帆船的速度极曲线图。通过将系统辨识结果与约束模型水池试验结果进行对比,验证该系统辨识方法具有足够的准确性,是构建小型无人帆船动力学模型的一种合理方法。

时滞取值概率未知下的线性时滞系统辨识方法

在大多数系统辨识方法中,通常假设时变时滞在其可能的取值范围内服从均匀分布.但是这种假设是非常受限的且在实际过程中常常无法得到满足.因此在时滞取值概率条件未知的情况下,针对一类线性时变时滞系统提出有效的辨识方法.利用期望最大化(Expectation maximization,EM)算法将拟研究的辨识问题公式化,期望最大化算法通过不断地迭代执行期望步骤和最大化步骤得到优化的参数估计.在期望步骤中,将未知的时变时滞当作隐含变量来处理并且假设可能的取值范围已知.在每一个采样时刻,时滞的变换由一个概率向量控制,并且该向量中的每一个元素是未知的,将其当作待估计的未知参数处理.在算法的每次迭代过程中,计算时滞的后验概率密度函数(Probability density function,PDF),并在此基础上构造代价函数(Q-函数).在最大化步骤中,通过不断优化(Q-函数)来估计想要的参数,包括模型参数、噪声参数、控制概率向量中的每一个元素和未知的时滞.最后通过一个数值例子验证提出算法的有效性.

麦克风阵列幅相误差校准的最小二乘系统辨识研究

阵列幅相误差显著降低了麦克风阵列的声源定位算法性能,研究了一种麦克风阵列幅相误差有源宽带近场校准方法。该方法采用一个校准源,线性正弦扫频信号作为激励信号,它先对阵列接受到的信号进行幅值和相位补偿,以阵列中的一个阵元作为参考阵元,把参考阵元与待校准阵元当作单输入单输出线性系统,然后通过递推最小二乘(RLS)系统辨识算法获得用于通道校准的FIR滤波器。用三维声强探头阵列进行校准和声源定位实验,验证了所提出的校准方法实用有效。

双边永磁同步直线电机随机模型系统辨识

为解决双边永磁同步直线电机离散传递函数模型参数动态变化、传统方法辨识精度低的问题,提出一种基于随机模型的系统辨识方法,分析运动过程中的系统特性,结合具有随机扰动项的Box-Jenkins模型,辨识动态系统传递函数模型参数。通过注入不同频率逆M序列电流信号,充分激发系统响应,比较分析不同实验条件下的系统辨识结果。选择预报误差法定义平方差代价函数,运用Levenberg Marquardt算法不断迭代优化以获得传递函数模型最优参数。通过对不同采样频率、不同注入电流幅值和不同电机运动速度条件下的系统辨识对比分析,获得最佳辨识模型。结果表明:当采样频率为1000 Hz,注入电流幅值为2.0 A和电机运动速度为50 mm/s时,获得最优辨识仿真输出匹配度为94.81%,平方差为7.84×10^(-4)。

受限通信下线性系统辨识的多敏感器分配研究

在网络化环境下对线性系统辨识中的多敏感器分配策略进行研究.为节约通信带宽,引入了二值量化机制;为解决数据传输时面临的冗余和通道拥堵问题,提出一种差分驱动的事件通信机制,并证明这种机制具有完全信息复原能力,同时给出其通信率.基于接收端的可用数据,构造各个有限脉冲响应系统的辨识算法,分析其收敛性能.进而,将通信资源受限下的多敏感器分配问题建模成带约束的优化问题,设计一种改进的遗传算法,给出最优方案.用数值例子验证理论结果的正确性和有效性.

基于改进差分进化的Hammerstein系统辨识

Hammerstein系统是一类典型的块结构非线性系统,由非线性静态子系统和线性动态子系统构成,由于模型中含有未知非线性变量,传统辨识算法往往存在辨识精度不高、辨识效果差等问题。因此,基于启发式的智能优化算法受到了关注。差分进化(Differential Evolution,DE)算法是一种模拟自然界生物种群“适者生存”原则的智能算法,待定参数少,收敛速度快,但会陷入局部最优。针对这一局限性,提出一种改进差分进化算法来辨识Hammerstein受控自回归滑动平均模型。在基本差分进化算法的基础上改变了变异操作和交叉操作,加入自适应因子。推导了递推最小二乘算法来辨识Hammerstein系统,并将其与改进的差分进化算法进行比较。通过仿真例子测试算法性能,结果表明,相对于递推最小二乘算法、基本DE算法和粒子群算法,改进差分进化算法在精确度和收敛速度上更优。将改进DE算法用于连续搅拌反应釜的辨识,取得了较好的辨识效果。

基于改进DBO算法的非线性系统辨识

针对传统方法在单输入单输出Hammerstein模型的辨识上存在辨识精度低、辨识效果差等问题,文章提出一种基于蜣螂优化算法(Dung Beetle Optimizer,DBO)的非线性系统辨识方法。为了克服该算法在局部开发和全局探索上能力不平衡,易陷入局部最优的问题,引入改进的正弦余弦优化算法(Sine Cosine Algorithm with Self-learning strategy and Lévy,SCASL)用于平衡局部和全局搜索阶段,提高算法辨识精度,同时引入莱维飞行(Lévy flight)策略,帮助DBO算法在迭代后期跳出局部最优。通过数值仿真,对蜣螂优化算法和改进的蜣螂优化算法辨识结果进行比较,实验结果表明,改进的蜣螂优化算法辨识速度得到显著提升,并且辨识精度也得到了提高。

基于系统辨识建模的控制器分析

针对电液力反馈控制系统,借助MATLAB系统辨识工具箱,给出了以最小二乘法得到的带控制量的自回归(ARX)模型辨识结果和以预报误差法得到的带控制量的自回归滑动平均(ARMAX)模型辨识结果。对辨识结果验证分析后,选择以ARMAX模型的辨识结果为对象,仿真分析MOOG控制器阻尼环节和前馈环节的控制调节特性,为参数整定提供理论依据。