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。

递推最小二乘法在皮革切割机被控对象辨识中的应用

为了提高数控皮革切割机切割精确度,加快切割速度,以皮革切割机单轴运动控制系统伺服驱动器、伺服电机、机械传动机构为被控对象,以逆重复序列为激励信号,采样系统输入输出数据,通过时间序列模型估计参数、AIC准则(赤池信息)辨识模型阶次;基于递推最小二乘法,给定开环下皮革切割机被控对象系统数学模型,并以残差相关分析法验证模型辨识有效性。研究发现,递推最小二乘法可切实应用于皮革切割机运动控制器参数优化、系统预测、故障告警。

一种基于折息最小二乘法的PMSM磁链辨识方法

永磁同步电机(permanent magnet synchronous motor,PMSM)的磁链准确辨识是实现高性能电机控制的基础。针对传统递推最小二乘(recursive least squares,RLS)法受噪声影响小但存在数据饱和,影响辨识精度和动态性问题,以及遗忘最小二乘(recursive least squares with forgetting factor,FRLS)法避免数据饱和但存在参数估计误差与动态跟踪性能矛盾的问题,文章提出一种基于折息最小二乘(recursive least squares with discount factor,DRLS)法的磁链辨识方法。该算法在FRLS法中引入加权因子构成折息因子,采用递推方法进行磁链辨识,减小参数估计误差,提高磁链辨识精度及动态跟踪能力。通过MATLAB仿真及半实物仿真试验,验证所提磁链识别方法的有效性。

基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

基于遗忘递推最小二乘法的泵站水平位移动态监控模型研究

泵站建筑物水平位移是泵站长期运行过程中的重要监测项目,对水平位移监测数据进行分析和建模是掌握泵站结构运行状态的重要手段。传统统计模型的回归参数为固定值,不能反映泵站结构变形性态的动态变化特征。为此,构建了基于遗忘递推最小二乘法(FFRLS)的泵站水平位移动态监控模型,该模型通过引入遗忘因子增强了新监测数据对模型的修正能力,实现了对统计模型参数的动态求解,从而使模型长期保持较高的预测精度。最后结合南水北调东线工程某泵站枢纽,验证了模型的有效性。工程实例表明,所构建的模型可以根据新数据的加入自适应更新泵站水平位移统计模型的回归参数,有效提高了统计模型的拟合与预测精度,为掌握泵站建筑物安全性态提供了新方法。

基于递推最小二乘法的阀控缸液压系统控制策略

阀控缸液压系统存在建模不准确、动态控制精度较低和控制算法调试困难的问题,为此,提出了一种基于递推最小二乘法(RLS)的反步法动态面控制策略,并采用半实物仿真平台对其控制算法进行了调试验证。首先,建立了阀控缸液压系统非线性状态空间模型,推导了该系统的最小二乘矩阵形式和递推算法公式;然后,基于李雅普诺夫稳定性理论和动态面控制技术,建立了阀控非对称缸系统的控制模型,设计了一种基于RLS的反步法动态面控制器;最后,基于半实物仿真平台,对改造后的Linux操作系统进行了实时性验证,完成了阀控非对称缸系统参数辨识和基于RLS的反步法动态面控制试验任务。试验结果表明:RLS算法不仅能用于准确地估计系统模型参数,更能有效地适应系统模型参数的变化;相比于常规PID控制方法,基于RLS反步法动态面控制策略在阀控非对称缸系统稳定状态和换向的过程中,其动态控制精度分别提高了72.9%和20.3%,可为今后阀控缸液压系统建模及非线性控制策略研究提供较高的理论参考。

基于DFFRLS的PMSM自校正PI速度控制策略研究

基于惯量辨识的永磁同步电机自校正PI速度控制具有良好的抗负载扰动性能,但受到惯量辨识过程存在抖动的影响转速响应会产生高频振荡。为抑制高频振荡,提出一种基于动态遗忘因子递推最小二乘法惯量辨识的自校正PI控制策略。首先,构造指数函数形式的动态遗忘因子,分析其跟随辨识误差变化的规律并用于转动惯量辨识。然后,采用“振荡指标法”设计PI参数整定公式,并结合DFFRLS惯量辨识过程进行自校正PI控制。仿真和实验结果表明:改进的DFFRLS有效减小了辨识惯量的抖动幅度;所提ST-PIC调速控制策略在保证转速高性能响应的同时有效抑制了高频振荡。

基于最小二乘的FGR低氮燃烧自动控制系统

低氮燃烧器配合烟气循环系统FGR可以满足燃气锅炉NOX排放浓度低于30 mg/m3的要求,但前提条件是要控制好送入锅炉的烟气再循环量。在推导得到一种基于时变遗忘因子和加权配合的最小二乘递推辨识算法基础上,设计PID自整定控制器;通过MCGS搭建上位机系统,设计人机交互界面,利用MATLAB完成复杂的算法运算,MCGS与MATLAB之间通过DDE实现实时数据交换。MCGS将运算结果转换成控制信号,再通过PLC以脉冲信号去在线调节燃气锅炉FGR步进电机。试验结果表明,与传统的负荷调节法相比,所提自适应控制算法,在FGR控制系统上,具有更加优越的控制性能。

MAFFRLS算法辨识锂离子电池模型参数

建模方法和模型参数辨识方法会影响锂离子电池状态的准确估计,特别是在动态工况下,因此在线辨识电池模型参数的方法很重要。提出一种改进的自适应遗忘因子递推最小二乘(MAFFRLS)法,优点是在不同误差范围内可以自适应地更新遗忘因子最优值。选用二阶RC等效电路模型,在动态工况下对该算法进行验证。将所提出的算法与递推最小二乘(RLS)法和遗忘因子递推最小二乘(FFRLS)法进行对比。在动态应力测试(DST)工况下,使用RLS、FFRLS和MAFFRLS算法估计电压,平均绝对误差分别为0.0102 V、0.0099 V和0.0046 V,均方根误差分别为0.0155 V、0.0150 V和0.0068 V。MAFFRLS算法的平均绝对误差和均方根误差更小,准确性更高。

基于VDFE-RLS的单波长200 Gbit/s光接入系统(特邀)

【目的】高速无源光接入网络中存在光纤色散、非线性损伤和带宽限制等问题,导致传统强度调制和直接检测技术的功率预算损失较高,难以满足高速无源光接入网络的要求。【方法】为了更好地提升强度调制和直接检测光接入系统的速率和性能,文章在Volterra判决反馈均衡器(VDFE)的基础上,研究了基于递推最小二乘估计(RLS)算法的VDFE-RLS信道均衡方法。该均衡器采用RLS算法对其中的抽头系数进行更新。该均衡器包含了一、二、三阶Volterra级数,其中一阶Volterra级数对线性损伤进行补偿,二阶和三阶Volterra级数能够对非线性损伤进行补偿。文章将该均衡器应用于经过20 km传输后的单波长为200 Gbit/s的O波段强度调制和直接检测技术的下行光接入系统中。【结果】实验结果表明,RLS算法相比传统的最小均方(LMS)算法在均衡器中表现出来的性能更好。此外,VDFE-RLS可以实现>29 dB的功率预算。VDFE-RLS相比于传统的基于Volterra的前馈均衡器(VFFE),当VDFE-RLS和VFFE-RLS均衡器长度相同时,可以实现2.2 dB功率预算的提升。当VDFE-RLS的均衡器长度为VFFE-RLS的一半时,前者相比后者仍可以提升0.5 dB的功率预算。【结论】文章所述系统相比其他传统系统在能够缩短均衡器长度的同时,能提高系统的功率预算,还能最终恢复出准确度较高的信号。

基于递推阻尼最小二乘辨识的六自由度磁悬浮平面电机动力学模型

六自由度磁悬浮平面电机是一种新型特种电机,具有六自由度运动、直接驱动、无机械摩擦、结构紧凑等特点,在光刻机等精密制造领域极具应用前景。然而,由于该类电机具有多变量、非线性、强耦合等突出特性,难以精确获取其动力学模型。为此,论文提出基于递推阻尼最小二乘辨识的六自由度磁悬浮平面电机动力学模型。首先,推导了六自由度磁悬浮平面电机的动力学模型。其次,基于多新息最小二乘法创新的引入阻尼项建立了递推阻尼最小二乘法,之后,利用Matlab对所提出方法进行仿真,获得电机在X、Y自由度上的辨识模型。最后,通过仿真验证了所建立动力学模型的准确性,实际系统与辨识模型之间的X、Y自由度上的均方误差分别为22.42 nm、7.11 nm。

基于FFRLS-SRUKF算法的锂电池SOC估计研究

传统无迹卡尔曼滤波在荷电状态(SOC)估计时主要面临两个问题:一是电池模型参数固定导致SOC估计精度低;二是协方差矩阵出现非正定时导致SOC估计失败。提出了遗忘因子递推最小二乘(FFRLS)算法结合平方根无迹卡尔曼滤波(SRUKF)的SOC估计算法。首先,建立二阶阻容(RC)等效电路模型。其次,利用FFRLS算法对电路模型参数在线辨识并实时修正电池等效电路模型,在此基础上使用SRUKF算法估计SOC。最后,通过间歇恒流脉冲放电和动态应力测试工况对所提算法进行验证。试验结果表明,该算法的平均绝对值误差低于0.0115、均方根误差低于0.012。与SRUKF算法相比,FFRLS-SRUKF算法具有更好的SOC估计性能,为电池管理系统解决锂电池的不一致性提供了可靠依据。

基于递推最小二乘法的高压开关柜温升特性在线监测

以高压开关柜为研究对象,基于递推最小二乘参数辨识方法,实现了对开关柜温升特性参数的在线辨识,并提出了用于开关柜温升特性评估的归一化等效温升系数。首先对开关柜温升模型进行分析,并建立相应的等效微分模型,然后采用FFRLS算法进行模型求解,最后通过试验验证该方法在温升试验过程中的有效性。

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。

基于递推最小二乘法的分合闸线圈参数辨识与在线监测

分合闸线圈是高压开关常用的执行元件,分合闸线圈的在线监测是整个开关柜健康监测必不可少的环节。以直流分合闸线圈为研究对象,基于递推最小二乘参数辨识方法,实现分合闸线圈的启动电感和等效电阻的参数在线辨识,并将该方法用于分合闸线圈的健康状态在线监测。首先,对分合闸线圈启动阶段的状态进行分析,并建立等效微分模型;其次,通过Simulink仿真建立等效模型验证递推最小二乘方法的有效性;最后通过实验验证了该方法在实际工程应用中的可行性。

基于自适应FFRLS-AEKF的锂电池荷电状态估计

锂电池荷电状态(SOC)是电池管理系统最重要的参数之一,准确估计SOC具有重要意义。为了解决模型参数辨识过程中“数据饱和”问题以及系统噪声对SOC估计精度的影响问题,文章以二阶RC电路作为锂电池等效电路模型,采用带有遗忘因子的递推最小二乘(FFRLS)算法完成模型参数在线辨识,同时结合对系统噪声协方差实时更新的自适应扩展卡尔曼滤波(AEKF)算法实现锂电池SOC估计。试验结果表明,该方法在不同的环境温度下都具有较高的精度,且最大误差小于1.2%,均方根误差小于0.75%。相比于传统的扩展卡尔曼滤波(EKF)算法,文章提出的算法具有较高的精度和鲁棒性。