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%。

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。

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.

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。

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 。