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。

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。

基于递推最小二乘自适应滤波算法的图像去噪

递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。

镜像映射法及递推最小二乘法在GPS伪距导航定位解算中的应用

为提高全球定位系统 (GPS)中伪距导航定位解算的精度和改善对动态目标的实时跟踪 ,提出了一种新方法 ,采用镜像映射法解具有病态的矛盾方程组以提高精度 ,以及将伪距导航定位解算方程模型转换为具有贯序输入输出数据的系统辩识模型 ,然后用递推最小二乘法 ,对所求的GPS伪距导航定位信息──接收机的三维位置参数和时钟误差参数进行动态快速实时估计。

一种单站纯方位目标跟踪中的最小二乘递推方法

与成批处理的方位平差法相比,最小二乘递推方法无需矩阵求逆运算,具有计算简单、存储量小的优点,适合于在线估计目标运动要素。提出了一种用于单站纯方位跟踪的最小二乘递推方法,并对算法进行了仿真。仿真结果表明,该方法受初始值影响很小,适用于含方位预处理的纯方位目标跟踪。

递推偏最小二乘法的油品芳烃烯烃成分建模

采用递推偏最小二乘法建立了适合测定油品中芳烃和烯烃含量的分析模型,并在某炼油企业应用达到了很好效果;近红外光谱法的测定结果与荧光指示剂吸附法的测定结果具有很好的一致性,与荧光指示剂吸附法相比,近红外光谱法可以提高分析效率,降低分析成本,具有较高的分析精密度。

基于递推最小二乘法与核密度估计的同步整流Boost变换器回流功率抑制

为了提高同步整流Boost变换器空载、轻载的工作效率,针对同步整流Boost变换器空载、轻载时存在的功率回流问题,分析该状态下电路的工作波形与工作特性.根据电路工作特性,提出能够准确识别功率回流状态并关断同步整流开关管的功率回流抑制策略.为了保证策略的精度与效率的优化,引入递推最小二乘法(RLS)和核密度估计(KDE),减少了电感误差和采样误差对策略精度的影响.搭建1 kV·A航空静止变流器仿真和实验平台进行验证.仿真和实验结果表明,该控制策略对功率回流的识别精度高,能够显著抑制回流功率,提高了电路空载和轻载效率.

基于递推最小二乘法与模型参考自适应法的鼠笼式异步电机转子电阻在线辨识方法

为了能够实时准确地获取鼠笼式异步电机转子电阻,提出一种将递推最小二乘法(recursive least square method,RLS)与模型参考自适应法(model reference adaptive system,MRAS)相结合的转子电阻在线辨识方法。该方法首先推导基于dq0坐标系下标准最小二乘法形式的电机参数辨识模型,采用带遗忘因子的递推最小二乘算法辨识得出电机电感参数;然后将上述辨识得到的电感值作为基于瞬时无功功率的模型参考自适应系统中的电机常数,并采用基于波波夫超稳定性理论设计的PI自适应律,实现不同运行状态下的转子电阻在线辨识。以一台5.5 kW异步电机为例进行了仿真与实验研究,仿真结果表明,文中方法适用于转速波动明显且转子电阻变化较大的复杂运行工况,且具有计算量少、准确度高以及较好的动态跟踪辨识性能;进行不考虑温升与考虑温升的转子电阻在线辨识实验对比,验证了文中方法的正确性与有效性。

基于改进最小二乘法的SCR脱硝系统模型辨识

针对某电厂600 MW机组选择性催化还原(SCR)烟气脱硝系统,基于平方误差损失函数(SELF)提出了一种新的衰减记忆递推最小二乘(FMRLS)算法来进行模型辨识。并采用直接法确定不同运行工况下闭环系统的模型参数和延迟时间。改进前后辨识模型的输出与实际运行数据的对比结果表明,该方法具有偏差范围小、收敛速度快、精度高等优点,验证了模型的有效性,为喷氨自动控制和降低NOx排放提供了模型参考。

基于递推最小二乘法加速度计信息辅助的磁力计标定方法

由于MEMS磁力计自标定过程无法实现与MEMS加速度计间未对准误差的估计,提出一种利用加速度计矢量作为辅助信息,对磁力计的误差参数及磁力计与惯性单元间的未对准误差参数的一步估计方法。首先.对加速度计进行标定处理;然后,利用加速度计和磁力计间点积不变的性质,构造误差参数模型;最后通过递推最小二乘法完成对误差参数的迭代求解。通过仿真与实验对本文提出方法进行了验证,结果表明,本文提出方法估计出的磁力计误差参数的误差在10^(-4)量级,标定后的磁力计与加速度计所在的惯性单元间的旋转角稳定在苏州磁倾角47.5°附近,完成了误差参数的一步估计。且迭代计算效率较高,相比于最小二乘法计算速度,在5 s左右就完成了对误差参数的估计,更适用于现场标定。

基于递推最小二乘法的锂离子电池等值参数在线识别

电池状态的准确在线估计是锂离子电池储能系统安全、可靠和高效运行的重要支撑,精确电池模型是实现上述估计的前提。然而,锂电池复杂的电化学反应过程使电池模型参数可能随荷电状态(State of Charge,SOC)、温度及运行工况改变而变化,传统的离线识别方法难以保证模型精度和适应性。提出一种基于递推最小二乘法(Recursive Least Squares,RLS)的在线参数识别方法,该方法能够自动适应电池SOC、温度及运行条件变化,拟合计算出最佳模型参数,进而保证模型精度。研究不同电池类型下等值模型结构对建模精度的影响,并通过混合脉冲功率性能测试试验,验证了方法有效性。算例分析结果表明:基于RLS的在线参数识别方法能够实时修正电池模型参数,提高电池模型建模精度;对于磷酸铁锂电池,采用二阶RC模型可比一阶RC模型获得更高的建模精度。

灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.

基于RLS与EKF算法的锂电池SOC估计

准确估计荷电状态是电池管理系统高效和安全运行的关键因素之一。以Thevenin模型为基础,运用递推最小二乘法,对模型参数进行估计并且定期更新。采用扩展卡尔曼滤波算法实现了对锂电池荷电状态的估算。仿真结果表明,该估算策略能保持很高的精度,并对观测噪声有很强的抑制作用。

基于RLS法的锂离子电池离线参数辨识

提出一种基于递推型最小二乘法(RLS)算法改进的离线参数识别方法,采用RLS法作为离线参数辨识的初值,以解决离线辨识初值选择的限制,并能保证辨识结果的精度。采用RLS算法辨识参数,获取模型参数,仿真电压和实验电压最大误差达100 mV,但耗时仅120 s。采用Simscape模型的离线参数辨识方法,最大误差58 mV,耗时1.8 h;利用RLS算法获取初值,用离线参数辨识方法,最大误差为31 mV,平均误差15 mV,耗时0.5 h。辨识精度与辨识速度都有明显的提升。

复参数最小二乘估计方法

提出了基于复数U-D分解的复参数最小二乘估计方法。在传统的加权遗忘因子法的递推算法中,方差矩阵P(k)由于衰减很快而极易失去正定性.为了保证参数估计的收敛性,利用复数U-D分解,将方差矩阵P(k)进行U-D分解,将P(k)矩阵的递推计算已转化为U(k)和D(k)的递推计算问题,保证了数值计算的稳定性.

基于人工蜂群算法的二维最小误差阈值分割

鉴于人工蜂群算法(Artificial Bee Colony algorithm,ABC)常用于连续域,具有控制参数少、操作简单和易于实现等优点和二维最小误差阈值分割法复杂度高的问题,提出一种基于人工蜂群算法的二维最小误差阈值分割方法(Two-dimensional Minimum Error Thresholding based on Artificial Bee Colony algorithm,TMET-ABC)。针对离散域的二维最小误差阈值分割方法,对标准的ABC算法进行修改,构建离散域的人工蜂群算法;依据最小误差公式中变量的三种不同计算方式,提出了3种TMET-ABC方法:直接计算TMET-ABC、数组计算TMET-ABC和递推计算TMET-ABC。仿真结果表明,提出的3种方法能够在达到现有的二维最小误差阈值分割法的分割效果同时,大大加快运行速度,并且3种方法可应用于不同的分割场合。

基于RLS的自适应滤波算法研究

为抑制谐振接地系统对地电容中的工频信号和其他谐波成分,提出了一种基于RLS算法的自适应滤波算法。该算法通过给定n-1次迭代滤波器抽头权向量最小二乘估计,依据新到达的数据计算n次迭代权向量最新估计。当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差。对其滤波理论及算法进行仿真研究。结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于其他自适应算法。

最小二乘滤波算法在目标跟踪中的性能比较

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行了估计。论文对完全最小二乘滤波算法和递推增广最小二乘算法在目标跟踪的应用作了研究,通过仿真实验并对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘算法的性能优于完全最小二乘滤波算法的性能。

修正指数遗忘RLS算法及其在故障诊断上的应用

汽车电子系统在线故障诊断的算法执行效率、动态跟踪速度和稳态估计精度是检测突变故障参数的关键指标。针对基于参数估计故障诊断中常用的递推最小二乘RLS算法存在的典型问题,提出了一种在线修正遗忘因子的方法。理论分析和仿真结果均表明,修正后的方法能有效解决一般递推算法的“数据饱和”问题,与通常的遗忘算法和滑动数据窗法相比,表现出了明显的优越性。为进一步的实车故障诊断提供了更加有效的理论根据。