基于加权自适应递推最小二乘法与EKF的锂离子电池SOC估计

为了实现锂离子电池荷电状态(SOC)的精确估计,建立锂离子电池的二阶等效模型,提出基于加权自适应递推最小二乘法与扩展卡尔曼滤波(ARWEKF)的锂离子电池SOC估计方法。通过静态和动态工况下的仿真和试验进行验证,结果表明:ARWEKF算法的估计精度高于扩展卡尔曼滤波(EKF)算法和基于遗忘因子的递推最小二乘法(FFRLS),其模拟仿真的最大绝对误差为1.36%,均方根误差为0.42%,静态工况试验下的AE为0.67%,RMSE为0.21%,动态工况试验下的AE为1.86%,RMSE为0.56%。

基于自适应递推最小二乘法与无迹卡尔曼滤波的电池SOC估算

为了建立精确的锂离子电池模型,并在其基础上实时且有效的监测电池的状态。综合考虑采用二阶等效电路模型,在递推最小二乘法的基础上加上自适应因子完成对锂离子电池在线模型参数估测,与此同时将所得模型参数传入卡尔曼滤波器,完成对动力电池的荷电状态(SOC)的估算。在MATLAB中实现该算法的编程,把电池综合测试仪对锂离子电池采样所得电流、电压、容量等实验数据导入算法进行仿真。仿真结果表明,该算法迅速收敛初值误差,并在稳定状态下最大误差不超过2. 5%,验证了该算法的有效性以及对外界干扰的鲁棒性,可以用以实现对车用锂离子电池状态的准确估算。

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。

一种基于递推最小二乘法的运动平台剩磁差分测量与估计方法

地磁导航是通过对地球周围矢量磁场进行测量从而实现导航的一种方法.地磁导航在运动平台上应用的难点之一是平台剩磁对地磁测量的影响,严重污染了磁强计的测量.消除平台剩磁对地磁测量的影响成为地磁导航向应用转化的一项关键技术.为实现运动平台剩磁的有效测量与估计,提出了基于递推最小二乘法的运动平台剩磁差分测量与估计方法.基于载体干扰磁场值只与测量点到磁偶极子的距离和磁偶极子的磁矩有关的结论,根据磁偶极子的磁场分布特性,推导出一种基于内置磁强计阵列的运动平台剩磁差分估计模型,并通过递推最小二乘法求解差分估计模型.大量仿真实验表明,可以通过内置阵列磁强计对平台剩磁进行测量与估计,验证了所提出的平台剩磁估计方法的有效性.

基于递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的车辆状态估计

针对汽车状态估计中模型参数的变化和观测噪声的时变特性,提出了递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的汽车状态估计算法。为实现模型参数与观测噪声的实时更新,建立了基于三自由度非线性车辆动力学模型的算法,首先利用递推最小二乘法对汽车的总质量进行估计,其次建立了模糊控制器对扩展卡尔曼滤波的观测噪声进行实时跟踪。在搭建的CarSim与MATLAB/Simulink联合仿真平台中验证了该算法的有效性,结果表明该算法估计精度高于传统扩展卡尔曼滤波算法,研究结果为汽车的主动安全控制提供了理论支持。

基于递推最小二乘法与模型参考自适应法的鼠笼式异步电机转子电阻在线辨识方法

为了能够实时准确地获取鼠笼式异步电机转子电阻,提出一种将递推最小二乘法(recursive least square method,RLS)与模型参考自适应法(model reference adaptive system,MRAS)相结合的转子电阻在线辨识方法。该方法首先推导基于dq0坐标系下标准最小二乘法形式的电机参数辨识模型,采用带遗忘因子的递推最小二乘算法辨识得出电机电感参数;然后将上述辨识得到的电感值作为基于瞬时无功功率的模型参考自适应系统中的电机常数,并采用基于波波夫超稳定性理论设计的PI自适应律,实现不同运行状态下的转子电阻在线辨识。以一台5.5 kW异步电机为例进行了仿真与实验研究,仿真结果表明,文中方法适用于转速波动明显且转子电阻变化较大的复杂运行工况,且具有计算量少、准确度高以及较好的动态跟踪辨识性能;进行不考虑温升与考虑温升的转子电阻在线辨识实验对比,验证了文中方法的正确性与有效性。

一种改进的基于最小二乘法的自适应谐波检测方法

提出了一种基于最小二乘法的自适应谐波检测方法,并利用动力系统的均值理论证明了该方法的稳定性。此法克服了传统自适应谐波检测方法的局限性,不仅能够检测电流谐波,而且能够有效地提取电流的畸变量,通过学习率因子的选择,提高了该方法的瞬态响应速度,具有较好的跟踪性能,可用于时变谐波的跟踪检测。仿真结果表明该方法比以往的自适应谐波检测法能更迅速地进行谐波的同步检测和基波的同步提取。实验结果也表明了文中所述方法的有效性,可满足电力系统对电压或者电流畸变量检测的要求。

可变遗忘因子递推最小二乘法对时变参数测量

针对传统的递推最小二乘法对于非平稳环境下的突变和时变信号的跟踪能力不够,常常无法检测到信号特征参数的问题,提出了在指数加权递推最小二乘法中引入可变的加权遗忘因子λ,对电力系统时变信号的幅值、相位、频率进行测量的方法。加权λ对算法的收敛速度和跟踪能力有很大影响,如能很好的调节λ,既可确保对时变参数的快速跟踪能力,又能具备小的参数估计误差。仿真结果表明:与传统的递推最小二乘法相比,该方法测量精度和收敛速度更优越,即使在低信噪比环境下,也能较精确的测出时变参数值。

基于递推最小二乘法的炮控系统参数辨识仿真

炮控系统内部结构复杂,机理建模很难建立其较为客观的数学模型,针对这一问题,提出用递推最小二乘法对某型战车炮控系统辨识建模。首先对试验进行了设计,测得了某种工况下的炮塔速度阶跃输出曲线,并用跟踪微分滤波器对所得曲线进行了去噪处理,找出了被控对象的输入输出数据;其次运用递推最小二乘法对假定模型进行了模型参数估计,得到了被控对象的模型参数;最后用阶跃响应性能指标误差评价法对模型的有效性进行了验证。结果表明,该方法能准确地实现炮控系统的模型辨识,所建模型是有效可行的。

基于折息递推最小二乘自适应动态矩阵的过热汽温控制器设计

针对超临界直流锅炉过热汽温对外界扰动响应快,易发生超温或低温现象,提出一种将动态矩阵预测控制与修正的递推最小二乘算法相结合的折息递推最小二乘(DRPLS)自适应动态矩阵控制策略。通过在动态矩阵预测控制中加入DRPLS算法,降低老数据的影响,增强新数据的作用,提高预测性能。通过调节折息因子,可使模型具有更高的灵活性和适应性。将该方法应用于600MW超临界直流锅炉高温过热系统进行仿真研究,结果表明,该控制策略能较好地适应对象的动态特性变化,且控制系统的性能明显优于常规PID控制器。

用于SCR喷氨量模型参数辨识的辅助变量递推最小二乘法

为了对火电厂选择性催化还原(SCR)烟气脱硝系统中喷氨量-出口NOx质量浓度控制对象模型参数进行在线辨识,针对现场有色噪声数据,采用辅助变量对递推最小二乘法进行了改进,构成辅助变量递推最小二乘法,并对含噪声二阶惯性加纯延迟模型参数进行辨识。同时,结合变回归估计(FMVRE)方法得到最小化损失函数,通过两步辨识得到系统的惯性时间、比例系数及迟延时间。以某350MW机组SCR烟气脱硝系统为对象,采用标准递推最小二乘法和辅助变量递推最小二乘法进行参数辨识。结果表明,辅助变量递推最小二乘法的辨识参数收敛更快,辨识精确度更高,所得模型能够较好地表征实际系统的动态和静态特性。因此,基于辅助变量递推最小二乘法的参数辨识方法可用于SCR烟气脱硝系统控制对象的一类二阶惯性加纯延迟模型参数的在线辨识。

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能 ,提出了根据各传感器量测数据品质对量测数据加权处理 ,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法。仿真结果表明 ,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法。

基于递推最小二乘法的永磁同步电动机参数辨识

针对永磁同步电动机在运行中电机的电磁参数的改变,通过对永磁同步电动机稳态数学模型的推导,利用递推最小二乘法对电机的电阻、电感进行在线辨识。在Matlab/Simulink中搭建辨识模型进行分析比较,验证该方法可以准确地辨识出电阻、电感的值。递推最小二乘法简单可靠,易于实现,具有一定的实用价值。

鲁棒递推偏最小二乘法

针对时变模型建模或大数据量情况下建模过程中的野点检测问题,提出了鲁棒递推偏最小二乘法(RRPLS).通过将递推偏最小二乘法(RPLS)与鲁棒主分量回归算法(RPPSV)相结合,实现分块野点检测算法,有效地解决了一般野点检测算法的计算量大的问题.仿真说明鲁棒递推偏最小二乘法不但能检测出数据中的野点还能大量减少建模时间,最后给出了在交流异步电力测功机系统的应用实例.

递推最小二乘法在LQR参数调整中的应用

针对Riccati方程中系数矩阵Q和R的调整需凭经验和多次试凑的不足,采用递推最小二乘法对系数矩阵进行在线调整,使系数矩阵的参数进行在线优化,更好地发挥了LQR控制器的优势。仿真实验结果表明了递推最小二乘法在一级倒立摆LQR控制器参数调整过程中的有效性。

基于递推阻尼最小二乘法的电力系统频率跟踪

最小二乘法是一种广泛的系统辨识和参数辨识方法,适于离线辨识,在线辨识参数时有其局限性。基于传统的最小二乘法,提出一种带有遗忘因子的有限数据窗口和自适应阻尼因子的递推阻尼最小二乘参数辨识算法。针对电力系统信号为理想信号、含有谐波及噪声和电力系统频率瞬间发生跳变的情况,分别做了仿真。仿真结果验证了该方法的鲁棒性、快速性和准确性,且算法效果优于其他方法。

基于递推最小二乘法的半挂汽车列车结构参数估计

准确获取车辆的结构参数对汽车的主动安全控制至关重要.该文主要研究半挂汽车列车稳定性控制中的结构参数估计.基于汽车纵向动力学的半挂汽车列车整车质量与路面纵向坡度的多遗忘因子递推最小二乘算法(RLS)估计方法,利用估计的整车质量获取挂车的横摆转动惯量;根据线性四自由度(4-DOF)半挂汽车列车模型,探讨了半挂汽车列车轮胎侧偏刚度的RLS估计算法,并讨论了不同初始值对估计效果的影响.基于商用车动力学仿真标准软件TruckSim建立了某半挂汽车列车的非线性车辆模型,通过平路面和不同坡度路面上的动力学仿真对估计方案进行了验证,结果表明,相关参数的估计值和实际值吻合良好,对提高半挂汽车列车主动安全控制的性能具有重要意义.

基于递推最小二乘自适应滤波算法的图像去噪

递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。

基于加权最小二乘法的最优适应控制器

普通的最小二乘算法LS,并不能保证它的收敛性,而加权的最小二乘算法WLS,却有很好的收敛性,采用这种算法进行随机系统的辨识,能够保证算法所得的参数收敛于某一个向量,而且这种算法在很多方面具有同普通最小二乘算法一样的性质,采用这种算法对随机系统进行适应控制,能够保证系统是闭环全局稳定的,而且这种适应控制还能收敛于“一步超前”最优控制．

基于MATLAB的递推最小二乘法辨识与仿真

通过对最小二乘算法的分析,推导出了递推最小二乘法的运算公式,提出了基于MATLAB/Simulink的使用递推最小二乘法进行参数辨识的设计与仿真方法。并采用Simulink建立系统的仿真对象模型和运用MATLAB的S-函数编写最小二乘递推算法,结合实例给出相应的仿真结果和分析。仿真结果表明,该仿真方法克服了传统编程语言仿真时繁杂、难度高、周期长的缺点,是一种简单、有效的最小二乘法的编程仿真方法。