基于改进初值带遗忘因子的递推最小二乘法的锂电池参数辨识

锂电池荷电状态(state of charge,SOC)的准确估计依赖于精确的锂电池模型参数。在采用带遗忘因子的递推最小二乘法(forgetting factor recursive least square,FFRLS)对锂电池等效电路模型进行参数辨识时,迭代初始值选取不当会造成辨识精度低、收敛速度慢的问题。为此,将电路分析法与FFRLS相结合,提出基于改进初值带遗忘因子的递推最小二乘法(improved initial value-FFRLS,IIV-FFRLS)。首先,通过离线辨识得到各荷电状态点对应的等效电路模型参数并进行多项式拟合;然后,利用初始开路电压(open circuit voltage,OCV)和OCV-SOC曲线获得初始SOC,代入参数拟合函数得到初始参数;最后,将初始参数带入递推公式得到IIV-FFRLS迭代初始值。对4种锂电池工况进行参数辨识,结果表明:与传统方法相比,IIV-FFRLS的平均相对误差、收敛时间分别减小58%、23%以上;IIV-FFRLS具有更高的辨识精度与更快的收敛速度。

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.

基于递推最小二乘算法的感应电机参数辨识

实现感应电机良好的矢量控制性能的前提是需要获取精准的电机参数。传统使用堵转、空转来测取感应电机参数的方法不但受试验环境的影响,同时也大幅增加了人力成本。为解决这一问题,文章提出一种适用于静止状态下感应电机递推最小二乘算法参数辨识的策略,在MATLAB/Simulink中构建适用递推最小二乘算法的感应电机数学模型及辨识系统,仿真结果表明所提的辨识策略能够有效地对电机电气参数进行精准的辨识。

基于限定记忆递推最小二乘算法的智能电表运行误差远程估计

针对智能电表拆检或现场校验方式存在维护成本高、精准性差以及难以全覆盖等问题,该文对大规模量测数据进行分析,提出一种基于限定记忆递推最小二乘算法(limited memory recursive least squares algorithm,LMRLSA)求解的智能电表运行误差远程估计方法。该方法首先根据用户不同量测时段的用电量水平,筛选出相近运行状态的量测数据;然后运用LMRLSA估计智能电表误差,并通过现场分层抽样检测提升误差估计的准确性。电网公司实际算例分析的结果表明,该方法在保证足够量测数据的情况下,可有效实现智能电表运行误差参数估计结果的精准性;且通过调节记忆长度,可保证智能电表误差变化估计的实时性,有助于及时发现疑似异常计量点,为高效的用电巡检提供支撑。

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。

基于递推最小二乘算法的感应电动机参数离线辨识

感应电动机参数离辨识是实现高性能变频调速的前提。对基于递推最小二乘(recursive least-squares,RLS)算法的电机参数离线辨识的具体实现进行了详细阐述;基于离线辨识时电机的静止特性,简化了电机数学模型,减少了计算量;采用改进欧拉数值解法,求解巴特沃思数字滤波状态方程,既可获得信号的滤波值,同时又直接解得了信号的1阶和2阶导数值,避免了导数离散化的误差影响,提高了运算精度;运用线性反馈移位寄存器产生伪随机白噪声序列(M序列),作为辨识的激励信号;针对不同功率的电机进行了大量的仿真和实验研究,实验结果表明所提方法稳定性良好,辨识结果的一致性和准确性较高。

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。

基于B样条递推最小二乘的非线性MISO传感器系统建模方法

提出了基于B样条递推最小二乘的非线性MISO传感器系统建模方法。B样条函数良好的逼近性能保证了建模精度; B样条基函数的递推定义及最小二乘的无矩阵求逆递推使建模简单易行;当数据呈矩形网格分布时,运用降维处理降低了计算复杂度。理论分析、仿真及实际传感器数据处理结果表明,B样条递推最小二乘方法能够有效地提高非线性MISO传感器系统建模的精度、稳定性以及运算效率。方法易于在微处理器上实现,适合在线建模应用。

基于偏差补偿递推最小二乘的Hammerstein-Wiener模型辨识

许多实际系统可以表示成一种中间为线性动态环节、输入输出端为非线性静态环节的Hammerstein-Wiener模型.针对含过程噪声的Hammerstein-Wiener模型,提出一种改进在线两阶段辨识方法.第一步采用偏差补偿递推最小二乘法在线辨识含原系统参数乘积项的参数向量.通过在递推最小二乘算法中引入一个修正项,补偿过程噪声引起的估计偏差.第二步采用基于张量积逼近的奇异值分解法分离出原系统各参数的值.通过引入两个矩阵的张量积逼近加权最小二乘的权系数,提高参数分离精度.理论分析和计算机仿真验证了本文方法的有效性.

基于递推最小二乘的航姿系统罗差校正

为校正姿态与航向参考系统使用环境中软硬铁产生的罗差,提出了一种利用地磁场连续转动信息补偿三轴软硬铁的方法。由于陀螺短时精度高,初始对准后短时内可得到精度较高的捷联矩阵,如果已知当地磁倾角,由捷联矩阵可将已知的地磁场投影到载体系。当航姿系统改变姿态角连续转动时,采用递推最小二乘算法来估计12个罗差参数。实验说明,与常用罗差校正方法相比,此方法在全姿态范围内效果更好,水平时航向角精度为0.3°,35°倾角航向角精度为1.1°,59°倾角航向角精度为1.2°。

基于分段递推最小二乘估计的汽车质量辨识试验

基于电动轮驱动电动汽车平台道路试验,对一种新的汽车质量辨识算法进行了研究.该方法根据加速度传感器能够测量沿测量轴的重力分量的特点,排除了坡度对质量辨识的影响;根据加速度分段方法,分别利用两段递推最小二乘算法得到行驶阻力及质量的估计值.在电动轮驱动电动汽车平台上分别进行了沥青、塑胶及碎石路面上以及坡道上的试验,分析了行驶阻力与质量辨识的误差与收敛情况,并针对几种特殊工况对算法进行适应性改进.试验结果显示,不同质量及道路状态下的估计误差均在2.5%以下,表明所设计的辨识算法具有很高的估计精度,具有良好的工程应用价值.

基于递推最小二乘与互补滤波的姿态估计

针对基于微机电系统( MEMS)的惯性导航系统中陀螺噪声较大导致姿态漂移的问题,本文基于递推最小二乘(RLS)与互补滤波器提出一种提高姿态估计精度的方法.该方法从陀螺去噪算法和姿态解算原理两个方面提高姿态估计精度:在陀螺去噪方面,为克服传统递推最小二乘的不足,提出一种随机加权的递推最小二乘法,利用随机加权实现对偏差的估计;在姿态解算方面,在传统互补滤波器的基础上通过自适应调整比例-积分(PI)参数来调整滤波器的交接频率,最终得到陀螺积分值的高通滤波和加速度计的低通滤波的叠加.转台静态和动态实验结果表明,使用本文所提方法后,有效降低了陀螺噪声,姿态估计精度明显提升.

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。

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.

基于递推最小二乘算法的惯导姿态误差动态标定方法

在分析最小二乘算法原理的基础上,提出了一种基于递推最小二乘算法的惯导姿态误差动态标定方法,建立了计算模型,进行了仿真分析。仿真结果表明,该方法具有较高的解算精度和计算效率,航向误差解算精度优于3.5″,水平误差解算精度优于0.15″。该方法解决了动态条件下惯导姿态误差实时标定的技术难题,对提高惯导姿态测量精度和测量船外测精度具有重要意义。

基于B样条递推最小二乘的温度传感器非线性校正

提出一种基于B样条递推最小二乘的温度传感器非线性校正方法。利用具有低阶光滑特性的B样条函数进行逆向建模,有效地提高了校正精度;考虑到在线应用的实际需求,采用易于微处理器实现的递推最小二乘估计控制参数。分别对铂电阻和热电偶温度传感器进行了非线性校正,表明所提出的非线性校正方法具有样本点少、校正精度高、简单实用等优点,符合传感器向智能化、灵巧化方向发展的需求。

基于递推最小二乘的在线罗差校正方法

现有罗差校正方法不同程度地存在着需要精确控制采样点、校正结果受噪声影响大、不能实现现场环境下的在线校正等问题。针对这一问题,设计了一种基于递推最小二乘的在线罗差校正方法。介绍了罗差校正的基本原理,推导了基于递推最小二乘罗差校正的实现过程,设计了转台试验及车载试验进行验证分析。两次转台试验中,罗差校正前后系统航向角误差标准差分别由30.9418°与3.2407°降低至3.8861°与1.2964°;车载试验中,车辆仅需原地转圈即可实现罗差校正,15 min跑车结果显示,校正后航向角误差标准差由17.2037°降低至2.8818°。试验结果表明,该罗差校正方法简单易用,可应用于现场在线校正,相比传统方法高效、稳定。

基于递推最小二乘估计的CNS/INS组合导航系统初始对准

针对CNS/INS组合导航系统中缩短初始对准时间的问题,设计了一种CNS/INS组合导航系统组合对准新方法。在CNS/INS姿态四元数组合算法的基础上,推导CNS/INS组合系统线性化状态方程,分析了INS和CNS姿态四元数差值构建量测方程。利用递推最小二乘原理实现了对该组合系统的信息融合,设计了基于该估计原理的组合导航系统初始对准方法,考虑到大气层内动基座条件下对于星敏感器造成的干扰因素增加了加权处理环节,最后通过仿真实验验证了递推加权最小二乘法在处理组合导航系统初始对准中的有效性。仿真结果表明在微晃基座条件下,与传统的滤波方法相比较该估计方法能够有效地缩短约25%的对准时间。