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。

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。

占空比传输机制下基于协同预测的时变不确定系统递推滤波

以工业互联网为背景,研究占空比传输机制下一类时变不确定系统的滤波问题,结合协同预测方法设计了新颖的递推滤波算法,解决了占空比传输机制下滤波性能降低的问题。首先给出描述占空比传输机制的数学模型,然后提出结合协同预测方法的递推滤波方案,设计基于占空比机制的递推滤波算法,推导了滤波误差协方差矩阵的一个上界,随后分析这个上界的有界性,实现了在稀疏数据情形下提高滤波性能的目的。仿真结果验证了所提算法的高效性和有效性。

递推:贯穿数列教学的始终

递推是数列的灵魂,是序列计算的一种常用算法,是按照一定的规律来计算序列中的每一项.其思想是把一个复杂的庞大的运算过程转化为简单过程的多次重复.已知一个数列{a_(n)}第1项(或前几项),且任一项a_(n)与它的前一项a_(n-1)(或前几项)间的关系用一个公式来表示就是这个数列的递推公式.

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。

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。

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。

极化自适应递推滤波算法

针对未知和时变的杂波环境 ,探讨了极化域滤波问题 ,提出了极化自适应滤波的原理 :利用历史杂波数据估计杂波的极化信息 ,据此对天线极化进行调整 ,达到“最优” ,然后对当前接收电场进行滤波 .根据这一原理进一步提出了递推算法 .仿真实验结果也证明了该方法的有效性 .该滤波器稳态性能逼近理论最优 ,算法“学习”

基于半波Fourier算法的故障选相控制系统的设计

为了快速、准确地预测故障电流零点,设计了故障选相控制系统。基于故障选相原理,以数字信号处理器(DSP)TMS320F2812为核心,通过丰富其外设,进行控制系统硬件的设计;基于相电流突变量原理和改进半波Fourier算法,进行了故障起始时刻的判断和波形恢复,并完成了控制系统的软件设计。对故障选相控制系统的稳定性和零点预测准确度进行了测试。测试结果表明,控制器的预测结果准确、可靠,零点的预测时间<12ms,零点预测误差的3σ(σ为标准差)范围为[-0.6,0.6]ms,满足国际大电网会议(CIGRE)对选相投切控制系统准确度的要求。

一种能滤除衰减直流分量的新递推离散傅氏算法

为了减少传统全波傅里叶算法的计算量,人们总结出了递推离散傅里叶算法,但它对衰减直流分量的滤除不明显。该文提出了一种新的递推算法,该算法基于三角函数和差公式以及线性方程组的求解,并且计算量与原有递推傅里叶算法相近,理论上可以消除直流分量对各次谐波的影响。

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.

复指数Fourier神经元网络隐神经元衍生算法

以平方可积空间上的复指数Fourier级数作为激励函数构造了新型Fourier神经元网络,并推导出采用加号逆表示的网络权值直接确定公式,克服了传统BP神经网络收敛速度慢、易陷于局部极小点、迭代学习易发生振荡等缺陷。并在此基础上构造了隐神经元衍生算法,克服了传统BP神经网络难以确定最优网络拓扑结构的缺点。理论分析及仿真实验表明,该复指数Fourier神经元网络能够一步计算网络最优权值且能自适应调整网络结构,对随机加性噪声具有抑制作用,并能高精度逼近非连续函数。

折息递推PLS算法及其在橡胶混炼质量控制中的应用

提出一种新的折息递推PLS(DRPLS)算法 .通过对折息因子的调节 ,使模型具有更高的灵活性和适应性 .克服传统PLS算法不能在线更新 ,普通RPLS算法无法克服“数据饱和”、可调参数少和缺乏灵活性的不足 .并将其成功运用于橡胶密炼质量控制中 ,满足了混炼过程控制对门尼黏度预测模型灵活性和精确性的特殊要求 ,获得了具有足够精度和可调节性的混炼胶门尼黏度预测模型 。

网络可靠度分析的最小割递推分解算法

基于不交最小割求解系统失效概率的思想,提出了求解网络系统失效概率的最小割递推分解算法。在此基础上,利用概率不等式给出了失效概率的上、下界,从而可以通过控制上、下界之间的误差来获得计算精度和计算时间之间的平衡。计算实例分析表明,该算法能计算给出中、小型网络失效概率的精确值,并能够高效、高精度地求解出大型复杂网络系统的失效概率。

基于矩阵广义逆递推的自适应滤波算法

本文把自适应滤波算法的优化准则之一最小二乘准则 :J(n) =∑ni=1 λn -i|e(i) |2 写为矩阵形式 ,利用矩阵广义逆递推公式直接对输入信号矩阵而不是自相关矩阵进行递推更新 ,得到一种新的自适应滤波算法 .和其它算法如LMS算法、NLMS算法、FRLS算法、TDNLMS算法、APA算法、Leaky LMS算法和RLS算法进行了计算机模拟仿真比较 ,仿真结果表明该算法有良好的收敛性能 ,收敛速度快于LMS算法、NLMS算法、FRLS算法、APA算法、Leaky LMS算法和RLS算法 .

SVM与Fourier算法在电网短期负荷预测中的应用

将Fourier(傅立叶)算法与SVM(支持向量机)共同引入电网短期负荷预测。对于波动性较大的负荷,Fourier算法用于滤除高次谐波分量。SVM用于对滤除了高次分量的数据进行统计学习,它首先筛选与预测点相关的历史数据构成训练样本,再将预测的平滑性和误差损失函数相结合构成问题的目标函数进行求解。编制了相应的软件,对某实际电网进行了短期负荷预测,取得了理想的结果。

滑动窗累积量的递推估计算法及其在语音端点检测中的应用

提出了一种滑动窗累积量的递推估计算法并应用于语音端点检测中,用以解决传统端点检测方法在噪声环境下检测性能变差的问题。在对含噪语音信号进行加窗之后,利用滑动窗累积量的递推估计算法估计含噪语音信号的高阶累积量值,并在此基础上结合能量特征进行语音端点检测。实验结果表明,所提滑动窗累积量递推估计算法相比较传统高阶累积量计算方法运算效率明显提高;所提端点检测算法在不同噪声和信噪比环境下相比较G.729b算法点正确率Pc-point值平均提升了6.07%。基于滑动窗高阶累积量的语音端点检测算法具有较高的运算效率及良好的鲁棒性。

非整数阶系统频域辨识的递推最小二乘算法

非整数阶系统辨识方法是建立非整数阶系统模型的一种重要工具.本文提出了一种非整数阶系统频域辨识的最小二乘递推算法.给出了算法的详细推导,并用已知系统验证了算法的有效性.结果表明该算法是整数阶系统辨识的最小二乘递推算法的推广.使用此算法,不但能辨识整数阶系统,还能辨识非整数阶系统.

一种快速滤除衰减直流分量的新型递推傅氏算法

本文在递推傅氏算法基础上 ,提出了一种能够完全滤除衰减直流分量的新算法。新算法对递推初始的数据窗位置没有特定要求 ,可以任意采样点为初始位置 ,取 N+2个采样点求出衰减直流分量的时间常数和初始值 ,即可通过直接计算方法得到任意采样点处衰减直流分量引入的误差 ,或通过递推方法迅速得到其它各采样点处的衰减直流分量误差。新算法具有计算简单 ,响应速度快、计算精度高。

基于加Hanning窗递推DFT算法的测频方法

常用递推离散傅里叶变换(DFT)方式动态计算频谱,根据相位计算结果实时计算电网变化的频率,动态调整测量控制装置的采样频率实现同步采样。但由于截断信号会产生频谱泄漏,使得相位和频率计算结果有一定误差,采用该方法跟踪频率,实时计算电网变化的频率速度较慢。为提高频率跟踪计算速度,对加Hanning窗递推DFT算法计算频率进行了研究,利用2次加Hanning窗递推DFT求出工频基波相位经过1个工频周期后的相位变化量,再利用该变化量求出对应频率的变化量。采用加窗递推DFT有效减小了频谱泄漏的影响,提高了相位差的计算精度和速度,从而可以提高频率的计算精度和速度。该方法简单,易于实现,计算量较小,频率跟踪速度快。