递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩。从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二乘解,并且此解是唯一的,仿真结果同样验证了该结论的正确性。

基于递推加权最小二乘法的寻北抗干扰算法

针对定向设备寻北过程中易受阵风、人员走动等随机干扰影响降低寻北精度的问题,提出了基于递推加权最小二乘估计的定向设备寻北抗干扰算法。该算法以定向设备惯性敏感器输出数据为观测量,实时辨识数据的有效性和精度,并计算加权系数,通过递推算法进行数据滤波,提高了动态条件下惯性器件输出测量数据的估计精度。试验结果表明,该算法能够确保定向设备在5级阵风、发动机和载车取力发电干扰条件下的寻北精度。

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%。

加权递推最小二乘的捷联式惯导系统初始对准方法研究

捷联式惯导系统(捷联式惯性导航系统)的初始对准就是确定捷联矩阵的初始值,陀螺与加速度计的误差会导致对准的误差,对准时飞行器的干扰运动也是产生对准误差的重要因素,因此滤波技术对捷联式惯导系统尤为重要。通过研究捷联惯导初始对准的误差模型,提出了将加权递推最小二乘滤波算法应用于捷联式惯导系统的初始对准中,仿真结果表明,该方法估计精度高,收敛速度快。

基于加权递推最小二乘法的微硬盘伺服信号滤波

针对微硬盘伺服信号的滤波问题,采用了一种加权递推最小二乘法.该算法使用最小二乘加权时间平均准则取代通常的最小均方误差准则,并利用该准则导出权向量的自适应迭代公式,算法保证在每步迭代运算中权值都能调整到最佳,同时降低了权值调整量对噪声的敏感程度.实验结果表明:该算法滤波效果好、抗噪能力强、稳态收敛精度高和收敛速度快,适用于诸如微硬盘驱动器之类对收敛速度及消噪要求较高的场合.

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。

大功率电力机车制动电阻温度辨识研究

针对现有大功率电力机车制动电阻检测技术存在的不足,提出一种机车制动电阻辨识方法,该方法不需要额外增加温度检测电路或温度传感器,利用制动电阻跟随温度变化的特性,通过牵引变流器主电路中现有的中间直流电压和制动斩波电流关系曲线得到制动电阻的实时电阻值,可在机车制动电阻的运行工作中实时监控整个机车制动电阻的工作状态,并在机车制动电阻出现故障前预报,从而防止机车制动电阻的故障产生。试验结果表明,采用加权递推最小二乘法和分段线性插值法能够辨识出大功率电力机车制动电阻的温度值。

基于改进的ARMA递推算法的低频振荡模式在线辨识

为提高电力系统低频振荡现象的实时监测水平,提出采用一种基于自回归滑动平均模型的两段加权递推最小二乘算法进行低频振荡模式辨识,并通过估计ARMA谱的方法以提取低频振荡的主导模式。该改进算法先采用加权递推最小二乘算法拟合高阶AR模型单独得到白噪声估值,再将该估值用于常规加权递推最小二乘算法中,提高了算法参数辨识的精度和收敛速度。New-England 39节点系统的时域仿真测试验证了该改进算法对低频振荡模式辨识的有效性,并通过与常规加权递推最小二乘算法辨识效果的比较验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度。最后通过对某电网PMU实测数据的辨识分析,验证了该改进算法能够准确地辨识系统的低频振荡主导模式频率和阻尼比,具有实际的工程意义。

卫星导航系统与气压高度计的信息处理与融合

提出一种卫星导航系统与气压高度计的高度数据融合算法.利用ARIMA(autoregressive integratedmoving average)模型信号降噪技术对卫星导航系统和气压高度计的高度信号进行降噪处理.建立高度测量系统的状态方程和量测方程,并结合卡尔曼滤波对高度数据进行第1次融合,再利用递推加权最小二乘法对高度数据进行第2次融合,得到精度更高的飞行高度信息.实测数据分析结果表明:该算法所获得的高度信息与气压高度计、卫星导航系统相比,标准差降低一半以上,有效地提高了测量精度,可满足飞行器对高度测量信息的要求.

一种系统在线辨识算法的改进研究

研究了线性单输入单输出系统在线辨识的递推算法.为确保复杂的智能控制有更充裕的时间,在保证辨识精度的情况下,提出了减少参数辨识运算量的变步长递推算法.传统的递推最小二乘法采用的方式是每获得一组新观测数据就修正一次参数估计值,而变步长递推算法增加了改变每次修正参数估计值前获得新观测数据的组数,合并了一些重复的运算.对该算法进行了推导,并给出了参数误差的差分方程,在理论上证明了算法的收敛性.仿真和实验表明,该算法的运算量有明显减少,而收敛速度和辨识精度几乎没降低.

基于改进Kalman滤波器的无人机高度信息融合

在无人机飞行控制系统中,针对无人机采用单一高度传感器测量精度不高以及传统Kalman滤波器易发散的问题,提出一种改进的Kalman滤波融合方法。首先利用ARIMA模型算法对3种传感器的原始测量数据降噪处理,然后利用Kalman滤波算法对降噪后的传感器高度信息实现第一次融合,最后借助递推加权最小二乘法将第一次融合结果与差分GPS降噪后的数据进行第二次融合。计算分析得到,该算法相比于传统Kalman滤波方法,高度估计值的均方根误差减小39.6%,最大偏差减小31.7%。仿真结果表明,所得结果在垂直方向上的定位精度得到有效改善,并且初步具备对异常情况的处理能力,保证了无人机飞行系统的准确性与可靠性。

多传感器组合导航中的数据融合

目的通过估计误差方差阵,对多传感器组合导航系统中不同的融合数据进行定位精度比较,为系统定位提供选择数据的依据。方法基于递推加权最小二乘法研究多传感器组合导航系统中的数据融合,讨论估计误差方差阵的推导过程及系统定位精度的计算。结果仿真结果表明,由于采用的递推加权最小二乘法比最小二乘法更能反应实际测量过程,可更有效地组合多个数据,系统定位性能要好。结论为多传感器组合导航系统提供了一种有效的数据融合方法,对工程的预研和实施有非常重要的意义。

基于MM-ARMA算法的次同步振荡模态参数辨识

传统电力系统次同步振荡的辨识方法存在对噪声敏感、辨识精度不高的局限性。为此,提出了一种基于数学形态学自回归移动平均(MM-ARMA)算法的辨识方法,实现了在有噪声干扰下对次同步振荡模态的准确辨识。该方法利用形态滤波器可以有效抑制噪声的特性对次同步振荡信号进行消噪处理,保留信号的主要特征信息;对消噪后的信号建立基于加权递推最小二乘法参数估计的ARMA模型,根据估计的模型参数计算次同步振荡模态参数,完成次同步振荡模态辨识。与传统的Prony算法和自回归移动平均(ARMA)算法辨识结果进行的对比分析结果表明,所提次同步振荡模态辨识方法能快速、准确地辨识出模态参数,且具有较强的抗噪能力。

基于一种新模糊模型的非线性系统模糊辨识

提出一种基于新的模糊模型和加权递推最小二乘算法 (WRLSA)的非线性系统模糊辨识方法 .新型的具有插值能力的模糊系统可以通过学习从输入输出采样数据中提取MISO系统模糊规则 ,它继承了Sugeno模型及其变化形式的许多优点 .采用相应的模糊隶属函数 ,使得被辨识的模型可用若干局部线性模型来表示 ,然后利用WRLSA拟合这些线性模型 .给出了详细的模糊辨识算法 ,为了验证该辨识方法的有效性 。

基于QR分解的启发式自适应最优界椭圆辨识算法

借助于基于 QR分解的加权递推最小二乘算法结构 ,提出了一种启发式自适应最优界椭圆(Optimal Bounded Ellipsoid,OBE)辨识算法 .采用了集元方法中的 OBE辨识思想 ,使算法具有识别冗余数据的功能 ;同时具有比随机方法更佳的“局部”数据信息利用效果 .利用指示时变系统参数变化的监测因子 。

MEMS陀螺仪的一种新颖高精度标定算法研究

为了提高微机电系统(microelectro mechanical systems,MEMS)陀螺仪的测量精度,分析了MEMS陀螺仪的静态误差,建立了MEMS陀螺仪的输出模型和标定原理,提出了一种新颖的加权递推最小二乘标定算法,该算法可对MEMS陀螺仪进行高精度的标定,并对低精度MEMS陀螺仪给出了有效自适应滤波处理方法。通过大量实验数据分析表明,利用提出的标定算法,误差补偿后的MEMS陀螺仪性能得到了显著的提高。

配水管网测压点的动态组合预测方法

通过对测压点水头序列的统计分析 ,得到其周期性、趋势性及随机扰动性的变化规律 .利用时间序列分析手段及动态建模方法建立了配水管网测压点的动态预测模型 ,利用加权递推最小二乘法 ( RLS)解决了模型参数的动态估计问题 .经实际供水系统使用验证 ,该法预测误差小 ,适应性强 。

浮球式惯性平台转动惯量辨识方法研究

球体作为浮球式惯性平台的稳定台体,需要进行高精度的稳定控制,因此需要获取精确的球体转动惯量。浮球式惯性平台实际工作过程中,球体悬浮于液体中,球体内的管路和配重腔体会充满液体,随球体一起转动,从而改变球体的转动惯量,因此需要在浮动状态下辨识球体的转动惯量。提出了一种基于姿态解算的球体转动惯量辨识方法。该方法只需在球体表面悬挂重物产生激励,利用球体内部的陀螺仪敏感球体转动,采用加权递推最小二乘方法实时处理陀螺仪测量的球体转动角速度,以此辨识球体的转动惯量。该方法操作简便,接近球体的真实工作环境,能够快速精确地辨识球体的转动惯量。最后通过仿真分析了陀螺仪测量误差、初始对准误差、悬挂点位置误差对球体转动惯量辨识结果的影响,验证了方法的有效性。