基于递归最小二乘法的协作机器人柔顺性控制问题研究

为实现协作机器人在不同刚度环境下的柔顺性控制,提出一种基于递归最小二乘法的协作机器人柔顺性控制方法。通过采用递归最小二乘法求解协作机器人动力学参数,设计了一种基于加权方式的阻抗/导纳混合控制系统,并在不同刚度环境条件下进行实验。结果表明,当加权比为0.8时,所设计的控制系统可取得良好的协作机器人柔顺性控制效果,在较低刚度环境下,具有较小的响应误差;在较高刚度环境下,可快速达到稳态,具有较强的阻抗效应和鲁棒性,最大振荡误差1.5 rad,满足协作机器人柔顺控制实际应用误差的需求。相较于单一阻抗控制或单一导纳控制,该方法在不同刚度环境下具有一定的优越性。

基于DFFRLS-AUKF的单轨吊车动态倾角辨识方法研究

为保障单轨吊车在深部矿井复杂轨道工况环境下行驶的安全控制性能,需提高单轨吊车动态倾角辨识的精度及可靠性。因此,本文提出了基于DFFRLS-AUKF算法的单轨吊车动态倾角辨识方法。首先,利用自适应平滑滤波算法对实时采集的加速度和速度数据进行滤波处理,避免环境噪声的干扰,保证数据的完整性;其次,通过建立轨道曲率模型实现对轨道全工况的精准分析,在滤波处理后的数据基础上,再结合带有动态遗忘因子的递归最小二乘(DFFRLS)算法得到可靠地轨道曲率值;最终,在计算出的轨道曲率基础上,利用Sage-Husa噪声估计器对无迹卡尔曼滤波(UKF)进行改进,实现了对动态倾角辨识结果地自适应动态调整,提高了动态倾角辨识地精准度。实验表明,单轨吊车在单轨路段1和单轨路段2测试期间,所提的DFFRLS-AUKF算法与传统算法相比动态倾角辨识精度分别平均提升了25.25%和39.5%,表明了DFFRLS-AUKF算法在不同轨道工况下具有良好的精准性及可靠性,有效保障了单轨吊车在复杂轨道工况下行驶的安全性。

基于加权递归最小二乘的MIMO系统信道估计

文章针对多输入多输出(multiple-input multiple-output,MIMO)系统的信道呈现的稀疏特性,提出了一种基于加权递归最小二乘(weighted recursive least square,WRLS)的MIMO系统信道估计方法,在标准递归最小二乘算法的基础上,根据信道中的稀疏结构信息为每个抽头分配一个具有自适应变化特性的独立更新权重。仿真实验验证了该方法适用于非高斯噪声环境下的信道估计,在加快收敛速度的同时,也提高了信道估计的精度。

基于改进递归最小二乘估计的潜器轨迹预测

由于海流、温度、海底地形等深海环境因素影响,同时存在潜航器自身推进器扰流、母船螺旋桨扰流等因素,超短基线(USBL)作为深海水下潜航器通信定位的系统存在通信延迟不一、异常值随机出现等问题。当潜航器与母船之间的水平夹角小于USBL自身的通信角,潜航器与母船无法实时通信,由此带来一定潜航器与船体的碰撞风险。针对上述问题及风险,提出基于改进的递归最小二乘法估计的潜航器水下轨迹预测方法,可有效降低测量扰动的影响,对航行轨迹进行预测。

基于递归最小二乘估算的三相逆变器无参数预测电流控制

有限状态集模型预测控制具备快速动态响应、无调制模块等优势,已在高性能功率变换器广泛应用。然而该技术高度依赖建模精度,实际应用中受模型匹配度和参数摄动等因素影响,难以运行于最优性能。为此,提出一种基于递归最小二乘(recursive least squares,RLS)估算的无参数预测控制方法。以数据驱动建模代替物理参数建模,首先采用外生变量自回归技术建立三相逆变器等效模型,并利用RLS算法进行等效模型参数估算。最后,基于22 kW测试平台对所提方法进行验证与分析。结果表明,所提方法对模型和参数变化具有强鲁棒性,不失为一种通用型鲁棒预测控制方案。

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。

基于递归最小二乘的智能车轨迹跟踪控制算法

提出一种实时估计轮胎侧偏刚度的自适应横向最优跟踪控制算法.路面附着系数的改变使得轮胎侧向力的近似线性区间发生改变,线性近似得到的轮胎侧偏刚度将不再可靠.基于递归最小二乘算法,以轮胎侧偏角和侧向力作为输入,实时在线估计轮胎的侧偏刚度,进而提出自适应线性二次型调节器(Adaptive Linear Quadratic Regulator,ALQR)控制器.在Matlab/Simulink和Carsim联合仿真平台上对其有效性和稳健性进行验证.结果表明,在多种路面附着条件和不同车速下,所设计的控制算法的性能均优于传统线性二次型调节器(Linear Quadratic Regulator,LQR)控制算法,最大横向位置误差和横摆角误差分别降低81.5%和73.0%.通过实车测试,算法的实际应用性和有效性得到实证,最大轨迹跟踪误差仅为0.56 m.

基于递归最小二乘的微波对射雷达信号处理算法

微波对射雷达被用在安全防护领域的雷达系统,可形成电子栅栏,这种雷达系统容易受雨、雪等天气因素的干扰,出现虚警。针对这个现象,文章提出了采用中值均值法和递归最小二乘算法对雷达回波的强度进行估计的微波对射雷达信号处理算法,同时提出了目标持续时间、最大相对幅度变化比例、接收能量损失三个判决统计量和相应的判决方法。经验证,采用该算法的微波对射雷达在降水过程中检测到入侵者的同时未引起虚警。

基于最小均方和递归最小二乘的自适应滤波器设计

本文首先研究了自适应滤波器的基本原理、系统组成结构以及实际应用,深入分析了基于最小均方误差准则的LMS算法和基于最小二乘准则的RLS算法;分析了两种算法的优点以及缺点.其次在自适应滤波算法的基础上,对于消噪算法重点分析了结构、性能以及衡量指标.对于传统的自适应噪声抵消提出了一种自动追踪最佳滤波器参数的实现方法,经过验证,经过算法后可以有效地寻找对应噪声的自适应滤波器的最佳阶数和步长.

近红外光谱技术结合递归偏最小二乘算法对土壤速效磷与速效钾含量测定研究

土壤速效磷与速效钾在近红外区没有直接与它们相关的吸收峰,只能借助与其他拥有直接吸收峰物质(有机质,碳酸盐,粘土矿物,水分等)之间的相关关系而被近红外光谱技术所预测。这种相关关系会随着土壤样品构成的不同而不断变化,因此采用固定结构的近红外光谱模型很难对速效磷与速效钾取得较好的预测效果。提出采用递归偏最小二乘法(RPLS)在预测过程中递归更新土壤速效磷与速效钾的回归系数,以提高模型的预测能力;比较了偏最小二乘法(PLS),局部加权PLS(LW-PLS),滑动窗口LW-PLS(LWPLS2)和RPLS对于土壤速效磷与速效钾含量的预测结果。194份土壤样品根据土壤类型分为建模集与预测集:建模集包含120份人为土样品;预测集则包含29份铁铝土样品,23份人为土样品和22份初育土样品。结果表明:RPLS模型取得了最优的预测结果,获得的决定系数(R2)分别为0.61与0.76,预测相对分析误差(RPD)分别为1.60与2.05。说明RPLS通过不断更新模型的回归系数,能够适应新加入建模集样品的信息。相比于其他方法,预测精度更高,适用范围更广。

基于K-均值聚类和传统递归最小二乘法的高光谱图像无损压缩

针对基于预测的高光谱图像无损压缩算法压缩比低的问题,该文将聚类算法与高光谱图像预测压缩算法相结合,提出一种基于K-均值聚类和传统递归最小二乘法的高光谱图像无损压缩算法。首先,对高光谱图像按光谱矢量进行K-均值聚类以提升同类光谱矢量间的相似度。然后,对每一聚类群分别使用传统递归最小二乘法进行预测,消除高光谱图像的空间冗余和谱间冗余。最后,对预测误差图像进行算术编码,完成高光谱图像压缩过程。对AVIRIS 2006高光谱数据进行仿真实验,所提算法对16位校正图像、16位未校正图像和12位未校正图像分别取得了4.63倍,2.82倍和4.77倍的压缩比,优于同类型已报道的各种算法。

带有稳定学习的递归神经网络动态偏最小二乘建模

针对目前非线性动态偏最小二乘(PLS)建模方法在拟合较强非线性化工过程时存在的问题,提出一种基于稳定学习的递归神经网络动态PLS建模方法.该算法将递归神经网络与Hammerstein模型相结合,对外部PLS提取的特征向量进行内部建模,具有逼近较强非线性化工过程的能力,改善了模型的适用范围.此外,采用带有稳定学习的参数更新算法对模型参数进行在线修正,改善了模型的预测精度和自适应能力.将此方法应用于氧化铝生产过程铝酸钠溶液组分浓度建模实验,仿真结果表明,本方法是可行有效的.

递推阻尼最小二乘法的收敛性与稳定性

递推最小二乘法是参数辨识中最常用的方法,但容易产生参数爆发现象· 因此对一种更稳定的辨识方法———递推阻尼最小二乘法进行了收敛特性的分析· 在使用算法之前先归一化测量向量,结果表明,参数化距离收敛于一个零均值随机变量,并且在持续激励条件下,适应增益矩阵的条件数有界· 参数化距离的方差有界·

衰减激励条件下递阶最小二乘辨识的均方收敛性

为减少递推辨识的计算量 ,提出了递阶辨识原理 ,它是将系统分解为多个维数较小的虚拟子系统进行辨识 ,从而获得递阶最小二乘辨识方法。在衰减激励条件下 ,针对时不变系统研究了递阶最小二乘法的收敛性 ,得到了参数估计误差均方收敛于零时衰减指数应满足的条件。递阶最小二乘具有良好的性能 ,其计算量比递推最小二乘辨识要小得多 。

递推阻尼最小二乘法

递推最小二乘法是参数辨识中最常用的方法，但容易产生参数爆发现象．本文推导了一种更稳定的辨识方法——阻尼最小二乘法的递推求解算法．

基于递阶偏最小二乘回归的飞机采购价格预测

分析了飞机采购价格预测建模样本数据少、价格驱动因子众多的特点,考虑到递阶偏最小二乘回归(Hierarchical Partial Least-Squares Regression,Hi-PLS)方法在变量规模巨大情形下进行回归建模的优势,应用Hi-PLS对飞机采购价格进行预测。以战斗机采购价格预测为例进行了研究,首先对战斗机采购价格驱动因子进行分组,然后应用Hi-PLS对分组后的价格驱动因子进行回归,建立采购价格预测模型。实例表明,在飞机采购价格预测方面,采用递阶偏最小二乘回归预测更能体现价格与飞机性能参数之间的关系。

基于RLS算法的全角模式半球谐振陀螺自补偿控制

针对全角模式半球谐振陀螺驻波的非线性漂移严重影响陀螺输出精度,且该漂移会受温度、驻波位置、老化程度等因素影响的问题,提出了一种基于递归最小二乘(RLS)算法的半球谐振陀螺自补偿控制方法,分析了全角模式半球谐振陀螺的输出误差补偿机理,基于RLS算法,推导出了误差自补偿控制过程表达式,并进行了仿真和实验验证,结果表明经自补偿后陀螺输出偏移峰峰值从0.0104°/s降至0.0013°/s。实验证明所提方法能够有效地抑制全角模式陀螺驻波的非线性漂移,实现对陀螺自身状态的监测和实时补偿,可提高全角模式半球谐振陀螺的输出精度,并增强陀螺的长期稳定性以及环境适应性。

基于相关函数的递推最小二乘算法及其在回波消除中的应用

本文给出一种新的类似于RLS(recursive least squares)算法的递推最小二乘算法,该算法直接对输入信号的相关函数进行处理而不是对输入信号本身进行处理, 理论分析表明了该算法的收敛性。该算法应用于回波消除问题中,克服了常规自适应滤波算法在出现双方对讲的情况下需停止调节自适应滤波器系数这一不足。计算机模拟仿真表明该算法在双方对讲的情况下有良好的收敛性能。

一种简化递推偏最小二乘建模算法及其应用

在已有的偏最小二乘相关算法基础上 ,提出一种简化的递推偏最小二乘算法 ,即直接采用自变量主元的 2个回归系数矩阵来取代残差矩阵进行递推计算 ,进一步简化了递推计算过程 ,在保证建模精度的同时 ,使计算速度提高了近一倍 .并以数控铣削加工过程中切削合力峰值在线建模为应用实例 ,对切削过程z传递函数的参数进行了在线辨识计算 ,由估计模型重构了切削过程的输出 ,其结果与实验测量值是一致的 ,且误差很小 .仿真和实验结果表明 ,该简化递推偏最小二乘建模算法是正确和有效的 ,并且具有计算量小、辨识速度快、建模效率高等特点 ,适用于数据量较大。

基于递推最小二乘的单站无源定位仿真分析

为达到无线射频注入的定位精度和实时性要求,提出采用递推最小二乘算法(RLS)进行定位。首先讨论了无线射频注入的定位精度需求,建立了机载无源单站定位模型,得出了最小二乘(LS)解。然后依据无线射频注入的实时性要求将其转化为递推形式。仿真结果表明,RLS算法与LS算法的定位精度和收敛速度接近,但前者实时性好,运算复杂度低,所需存储空间小,能够满足无线射频注入的定位需求。最后依据仿真结果给出了提高定位精度和收敛速度的措施。