滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(12):多变量OEARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对多变量输出误差自回归滑动平均(M-OEARMA)系统,即多变量Box-Jenkins系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶递推广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波辅助模型递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

基于POE模型的工业机器人运动学参数二次辨识方法研究

针对工业机器人在高度制造领域精度不高的问题,本文提出了一种基于POE模型的工业机器人运动学参数二次辨识方法。阐述了基于指数积(Product of exponential, POE)模型的运动学误差模型构建方法,并建立基于POE误差模型的适应度函数;为实现高精度的参数辨识,提出了一种二次辨识方法,先利用改进灰狼优化算法(Improved grey wolf optimizer, IGWO)实现运动学参数误差的粗辨识,初步将Staubli TX60型机器人的平均位置误差和平均姿态误差分别从(0.648 mm, 0.212°)降低为(0.457 mm, 0.166°);为进一步提高机器人的精度性能,再通过LM(Levenberg-Marquard)算法进行参数误差的精辨识,最终将Staubli TX60型机器人平均位置误差和平均姿态误差进一步降低为(0.237 mm, 0.063°),机器人平均位置误差和平均姿态误差分别降低63.4%和70.2%。为了验证上述二次辨识方法的稳定性,随机选取5组辨识数据集和验证数据集进行POE误差模型的参数误差辨识,结果表明提出的二次辨识方法能够稳定、精确地辨识工业机器人运动学参数误差。

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法(LS)用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘(AFFRLS)改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘(VFFRLS)进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。

基于IPOA的太阳电池模型参数辨识

太阳电池模型参数的准确辨识对光伏组件功率预测和最大功率点追踪有较大影响,必须保证较高的辨识精度。传统的智能算法能做到一定程度上的参数辨识,但均存在精度不足、收敛速度慢、易陷入局部最优等问题。针对此类问题,提出基于改进鹈鹕优化算法(IPOA)的太阳电池模型参数辨识方法。该算法中种群个体联系紧密,通过随机性的互相学习进行位置更新,在工程应用领域有着较传统算法更好的效果。同时,针对该算法特点,引入基于Jaya算法的位置更新策略,使种群的候选解更趋向最优解;改进了递减因子,使模型在迭代中后期寻优效果更好。增加了莱维飞行策略,有效提高了算法精度。在不同的太阳辐照度条件下,IPOA都有较好效果,辨识结果与实际曲线拟合度高,表明IPOA能在不同环境中对太阳电池模型参数进行准确有效辨识。

磁流变阻尼器Bingham力学模型改进及参数辨识

磁流变阻尼器不仅具有阻尼快速响应、良好的温度稳定性、内部结构简单等优势,而且可以通过调节控制电流使阻尼器的出力值连续变化,实现阻尼力可控。由于磁流变阻尼器阻尼特性与内部磁流变液的磁流变效应有关,具体表现非常复杂,现有力学模型目精度不足,无法精确描述磁流变阻尼器的阻尼特性。在磁流变阻尼器力学性能测试基础上,应用分段拟合函数方法同时结合反正切函数模型改进模型,并辨识改进后力学模型中各参数。将改进后的Bingham模型与实际测试出力值进行对比,结果表明改进后的Bingham模型能够很好地解决Bingham力学模型在非线性滞回阶段出力值曲线与实际测试数据不符的问题,改进后模型总体出力值曲线与阻尼器实际出力值基本相同,模型精度大幅提升。此种改进方法为磁流变阻尼器建立高精度力学模型提供参考。

一种基于分数阶微积分的CCM Boost变换器准在线无源参数的数字孪生辨识方法

由于具有高性价比、准确性和数字化等优点,数字孪生已成为电力电子变换器故障趋势判断和预知维护的先进技术。针对当前电力电子变换器所建立的数字孪生模型尚未考虑实际电感、电容的分数阶特性的问题,基于分数阶微积分构建电力电子电路的预估-校正数字孪生模型,应用基于粒子群优化(particle swarm optimization,PSO)算法的孪生参数辨识方法对不同分数阶阶次下的电感值(L)和电容值(C)进行辨识,并计算出等效串联电阻。通过与现有方法对比,该方法不仅提高了实际电感和实际电容的辨识精度,还能辨识出不同阶次下与不同C下的分数阶参数。最后,搭建不同L和C及分数阶阶次的连续导通模式Boost变换器物理样机,并考虑不同工况条件与不同辨识次数等因素来进行实验验证。实验结果验证了所提模型与方法的有效性。

变温条件下解析Preisach磁滞模型误差修正和特征参数辨识方法

温度升高会影响磁性材料的磁滞特性,从而改变电气设备的性能。目前解析Preisach模型无法对温度进行有效表征,导致损耗计算结果误差较大。为此,本文首先分析了基于Lorentzian函数的解析Preisach模型特征参数对磁滞回线形状参数的影响程度,如饱和磁通密度、矫顽力、剩磁等,研究了不同温度下模型参数和材料磁特性的变化。根据模型特征参数具有的磁滞回线形状相关性和温度相关性,引进温度系数来修正模型特征参数,构建变温条件下的解析Preisach模型,并给出了计及温度影响的模型参数辨识方法。最终实验测量纳米晶合金在变温条件下的极限磁滞回线,对多组实测值和修正后的解析Preisach模型计算值进行对比后,得出在饱和磁通密度、矫顽力和剩磁处修正模型结果的平均相对误差分别为0.15%、2.21%、5.76%,证明了该修正模型的准确性。

滤波辨识(13):类多变量方程误差ARMA系统的滤波递阶广义增广迭代参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广迭代梯度辨识方法、滤波递阶广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法。这些滤波递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量方程误差随机系统中。

滤波辨识(14):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量输出误差随机系统中。

基于神经网络的力矩补偿动力学参数辨识

针对机械臂刚柔耦合动力学模型拟合精度不高的问题,在分析动力学参数对各关节力矩影响的基础上,提出了一种基于神经网络力矩补偿的动力学参数辨识方法.首先,对动力学模型进行线性化分析,得到最小惯性参数集,设计机械臂激励轨迹,并采集各关节数据集.其次,搭建神经网络架构,对不同隐藏层数的神经网络模型的训练效果比较,证明了本文模型的准确性.将关节位置、速度、加速度数据集作为网络架构输入,经过神经网络学习后提取出各关节力矩.最后,对算法辨识出来的模型进行验证,以模型预测力矩的均方根误差为评判标准,关节拟合力矩结果表明,本文所用方法相较刚体逆动力学有更好的拟合精度,减少了关节摩擦等非线性因素对辨识实验的影响,得到更精准的动力学模型,对机械臂系统有更好的控制效果.

基于HPPC-FFRLS的锂电池等效模型参数在线辨识

目的为了实现锂离子动力电池的高精度状态监测与分析,方法针对锂离子动力电池二阶RC等效电路模型的参数在线辨识展开研究。搭建锂离子动力电池二阶RC等效电路模型;利用开路电压法与安-时积分算法相结合的方式进行电池荷电状态(SOC)评估;通过HPPC测试实验数据进行等效电路模型的离线参数辨识;以离线辨识结果作为系统状态初值,结合带遗忘因子的递推最小二乘算法(FFRLS)对锂离子动力电池二阶RC等效电路模型参数进行在线辨识;利用Simulink搭建电池状态监测和充放电控制仿真系统,对基于在线辨识参数的模型进行仿真测试;利用可编程电源和电子负载搭建实验平台。结果对比在线辨识参数的系统仿真输出、离线辨识参数的系统仿真输出和实验数据,结果表明:基于HPPC-FFRLS在线辨识的模型仿真输出的误差相对于HPPC实验法减小了50%;在线辨识策略克服了环境温度、电池老化、充放电倍率等因素对参数的影响;仿真初期系统波动明显减小,等效模型系统动态跟踪具有更高的精度,鲁棒性更好。结论基于HPPC-FFRLS的锂电池等效模型在线辨识保证了模型参数的有效性,简化运算量的同时提高了模型精度。

改进海马优化算法的永磁同步电机多参数辨识

为解决永磁同步电机参数辨识速度慢、精度不足等问题,提出一种融合云模型和混沌变异的海马优化算法。该算法以海马优化算法为基础,引入混沌映射和随机反向学习策略,改善种群初始空间分布;采用自适应云模型,解决算法收敛精度低和减少陷入局部最优情况;加入混沌映射和高斯变异调节种群分布,以提高算法全局和局部开发能力。通过采集电机电压、角速度等信息,在永磁同步电机辨识模型中,使用改进后的算法对电机参数进行辨识。由仿真和实验对比,验证改进后算法在永磁同步电机电气和机械参数辨识上,具有更快速、稳定和准确的辨识效果,且辨识误差均在1.4%以内。

引入参数辨识的并网变换器事件触发预测控制

经典的三电平并网变换器模型预测算法具有计算资源占用度高、开关损耗大、控制精度受模型参数影响较大等缺点。为提高预测控制精度并降低系统损耗,此处提出一种引入参数辨识的三电平并网变换器的事件触发型有限控制集模型预测算法,该算法通过构建系统状态和动态事件触发条件之间的解析表达方程,利用系统状态实时反馈设置跟踪电流误差阈值的事件触发条件以减少系统计算损耗,同时,引入参数在线辨识,有效提高了系统参数鲁棒性,并实现了在尽量保持较小计算量的情况下还具有改善并网电流质量的优点。最后,构建了一台三电平T型并网变换器平台,实验结果表明,此处所提算法较之经典的模型预测方法有较大改善,具有较大的应用价值。

基于BRB-PSO的船舶舵机模型参数辨识方法研究

文中提出一种基于BRB-PSO的船舶舵机模型参数辨识方法.构造关于船舶舵机模型参数的BRB-PSO辨识模型,以描述模型输入(指令舵角和实际舵角信号)与模型输出(舵机模型参数)之间的非线性关系;建立置信规则库(BRB),通过置信规则推理得到惯性权重变化量的估计值并更新惯性权重;基于该惯性权重调整粒子群算法(PSO)中粒子的速度、位置等参数,依次迭代,直到达到停止要求,实现舵机模型参数的辨识.通过与其他典型参数辨识方法的实验结果对比,进一步说明BRB-PSO辨识方法在舵机模型参数辨识方面的优越性.

基于白鲨算法的七自由度机械臂动力学参数辨识

本文提出了基于白鲨算法(WSO)的关节机器人动力学参数辨识方法。首先,利用SYMORO+软件建立了七自由度机械臂的动力学模型并将其转换为可辨识模型。其次,利用关节机器人的性质提取摩擦力矩进行摩擦模型辨识。然后,设计激励轨迹并让机器人跟踪该轨迹,用辨识摩擦模型计算关节力矩信号中的摩擦项并补偿。进而,采用最小二乘法(LS)估计器确定白鲨算法的搜索空间,并由白鲨算法迭代获得最优动力学参数。最后,在Franka协作臂进行了实验验证,结果表明所提方法相较于传统算法在规避局部最优解方面具有更好的表现,且得到的参数更准确。

激光视觉引导下的工业机器人步态运动学参数辨识

工业机器人在多个领域都有广泛应用,而离线编程则成为其重要的发展方向。由于离线编程对机器人自身的绝对定位精度有较高要求,为提升绝对定位精度,设计一种激光视觉引导下的工业机器人步态运动学参数辨识方法。基于线结构激光测量技术,设计由工业智能相机、感光元件、滤光片、线激光器构成的激光视觉传感器,使用该传感器测量工业机器人,以获取其三维信息。通过粗引导与精引导两个步骤对激光视觉传感器实施激光视觉引导,以提高效率,降低瞄准误差。工业机器人步态运动学参数误差的辨识模型,通过最小二乘法对模型实施迭代求解,以获取精确的方程组解,从而完成步态运动学参数辨识。测试结果表明,该方法的步态运动学参数辨识误差低于0.02 mm,在30次迭代次数以内即可完成求解。

协方差驱动随机子空间辨识的参数敏感性分析

协方差驱动随机子空间辨识(Covariance-driven Stochastic Subspace Identification,SSI-cov)是近年来发展较为成熟的工作模态分析方法。针对其识别精度和效率对参数设置具有较高敏感性的问题,基于敏感性分析方法,利用奇异熵增量跳跃点明显程度、频率平均识别误差、阻尼比总变异系数、振型平均模态置信因子、运行时间5种评价指标以及稳定图,通过一经典五自由度层模型仿真算例,研究Toeplitz矩阵行块数、采样频率、数据长度对SSI-cov识别结果的影响规律。并给出既能满足精度要求又可控制程序运行时间的参数建议取值范围。最后,通过一缩尺三层框架模型在白噪声激励下实测数据对提出的根据SSI-cov改进参数设置进行验证,结果表明提出的各参数建议取值范围均较为合理。

基于参数辨识的低速永磁同步电机MTPA控制策略

在永磁同步电机运行过程中,由于铁芯材料磁导率呈非线性变化而导致电感变化,继而在最大转矩电流控制比(MTPA)控制下出现固有的计算参数与实际参数不匹配现象,严重影响了电机的动态性能和运行工况下的稳定性。针对这一现象,该文采用高频注入原理,通过对高频注入产生的响应信号解调辨识得到实时的电感参数,然后令辨识得到的电感参数参与到MTPA计算中,保证了参数辨识的准确性和电机运行的稳定性,避免了最大转矩电流控制参数与电机不匹配导致的失控问题。最后,采用DSP LAUNCHXL-F28379D为控制核心的实验平台对所提方法进行了验证,实验结果表明该方法能够有效辨识电感参数并实现最大转矩电流控制。