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。

递推阻尼最小二乘及其在INS双星组合中应用

由于双星系统的误差模型未知 ,且稳定性较差 ,采用Kalman滤波实现惯导 (INS) 双星组合导航时 ,其滤波特性较差 ;而此时最小二乘法是实际工程应用中常用的方法 ,但易产生参数爆发现象 .因此 ,提出了一种基于多输入 多输出 (MI MO)系统的递推阻尼最小二乘法 ,并将其应用到INS 双星组合导航系统中 .仿真结果表明 ,利用递推阻尼最小二乘法能达到和递推最小二乘法同样的精度 。

基于递推阻尼最小二乘法的电力系统频率跟踪

最小二乘法是一种广泛的系统辨识和参数辨识方法,适于离线辨识,在线辨识参数时有其局限性。基于传统的最小二乘法,提出一种带有遗忘因子的有限数据窗口和自适应阻尼因子的递推阻尼最小二乘参数辨识算法。针对电力系统信号为理想信号、含有谐波及噪声和电力系统频率瞬间发生跳变的情况,分别做了仿真。仿真结果验证了该方法的鲁棒性、快速性和准确性,且算法效果优于其他方法。

递推阻尼最小二乘法及其在火控系统中的应用

由于火控系统误差模型未知且稳定性较差,采用Kalman滤波实现滤波时,其滤波特性较差;而此时最小二乘法是实际工程应用中的常用方法,但是容易产生参数爆发现象.文中提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,将其应用到火控滤波系统中.仿真结果表明,利用递推阻尼最小二乘法能达到递推最小二乘法同样的精度,且能明显抑制参数爆发现象,达到良好的滤波效果.

基于递推阻尼最小二乘法的充电桩计量失准在线检测方法

新能源汽车持有量大幅增长,其配套充电设施的数量和铺设范围也快速扩大。充电桩运行过程中可能会因设备老化或人为影响导致计量失准,而目前依靠人工定期逐个检修的方法成本高、效率低。针对上述问题,通过分析充电站工作方式,以能量守恒原理和拓扑关系为基础,考虑了计量误差、线损和固定损耗等多个因素,区分交流充电站和直流充电站能量守恒关系,分别建立其误差估计模型,进而建立了基于递推阻尼最小二乘法的求解方法。算法通过实时求解充电枪表的误差系数,实现充电桩计量失准的在线检测。最后,在仿真数据和真实数据下,验证了所提方法的有效性和优越性。研究为电动汽车充电桩的计量问题提供了理论框架和实际解决方案。

基于改进最小二乘法的电力系统状态估计

作为能量管理系统(EMS)的一个组成部分,电力系统状态估计的研究具有重要意义。最小二乘法状态估计应用相当广泛,当传统最小二乘法在协方差矩阵变小时,估计参数会发生爆炸现象。提出了一种基于最小二乘法的递推阻尼最小二乘法状态估计算法。递推阻尼最小二乘法迭代的初值是上一时刻估计结果,电力系统在大部分情况下运行相对稳定,因此初值的选取可靠性高,保证了算法的鲁棒性和收敛速度。仿真结果显示此算法能够得到满意的结果。

无刷直流电机调速优化控制与仿真

为了提高直流电机调速系统的响应特性和动态稳定性能,要求对调速系统进行优化设计。但由于传统方法求解得到的直流电机模型参数误差大,且不能获得在线辨识正确参数。为解决上述问题,提出结合ARMAX的预测函数与分数阶PI预测函数的组合控制,在无刷直流电机调速优化中,采用通过递推阻尼最小二乘法在线辨识分数阶PI预测函数(FOPIPFC)的辨识方法。使控制系统输入能根据系统的预测模型的变化而不断滚动优化。仿真结果表明:系统参数辨识效果良好,可为直流电机调速优化控制提供科学依据。

基于精密时频预测的定位域和测速域RAIM可用性增强算法

能提供精确定位解的观测值集合提供的测速解并不一定是可信的,首先将传统的定位域RAIM算法应用到测速域的完好性监测中,提出将频差预测值用于辅助增强测速域RAIM可用性,使RAIM技术能更好的满足各类用户对导航服务完好性监测的需求。通过对多种预测模型的比较,提出将三阶多项式模型和递推阻尼最小二乘法应用到接收机钟差和频差的在线精密预测算法中,使钟差预测精度提高6倍。克服了传统的钟差辅助增强RAIM可用性算法中对晶振漂移率要求较高的限制,使钟差和频差辅助增强RAIM可用性的方法能更广泛地应用到各类接收机中。

大尺寸电磁振镜的RDLS-DE算法辨识

针对大尺寸电磁振镜系统,提出“递推阻尼最小二乘—差分进化”算法进行系统辨识。首先通过递推阻尼最小二乘法对该系统进行初步模型辨识后,得到相对准确的种群范围,在此辨识基础上选择小范围的种群作为差分进化算法的初始化种群,经过反复变异、交叉和选择,最终辨识出待辨识参数的最优值。通过对该方法进行仿真辨识和实验验证,结果表明,在收敛速度基本不变的情况下,辨识结果波动更加平稳,辨识精度进一步提高。证明优化后的种群范围,可在其他参数不变的情况下,辨识精度相对于传统的差分进化算法的可提高1×10^(5)。实验结果表明,该算法的辨识结果精确,在振镜伺服控制领域有一定价值。

波浪运动补偿平台广义升沉位移的实时预报

具有波浪运动补偿功能的稳定平台可有效减少船舶在风浪中的摇摆和升沉运动对某些海上作业和设备的影响。为了有效地进行波浪运动补偿,需要对该平台的广义升沉位移(横摇、纵摇以及升沉的耦合作用结果)进行极短时预报。本文采用时间序列分析理论中的自回归(AR)模型作为预报模型,对波浪运动补偿平台的广义升沉位移进行极短时预报。在以往的研究中,通常采用递推最小二乘法AR模型进行在线参数估计。但是采用递推最小二乘法进行参数估计容易引起参数爆发,从而影响AR模型的稳定性。针对该问题,本文采用阻尼递推最小二乘法对AR模型进行在线参数估计,并结合实验获得的平台控制点的广义升沉位移数据进行实时建模预报。仿真结果表明,采用阻尼递推最小二乘法进行参数估计能抑制参数爆发,并能提高AR模型实时预报精度。