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.

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。

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。

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。

可变遗忘因子递推最小二乘法对时变参数测量

针对传统的递推最小二乘法对于非平稳环境下的突变和时变信号的跟踪能力不够,常常无法检测到信号特征参数的问题,提出了在指数加权递推最小二乘法中引入可变的加权遗忘因子λ,对电力系统时变信号的幅值、相位、频率进行测量的方法。加权λ对算法的收敛速度和跟踪能力有很大影响,如能很好的调节λ,既可确保对时变参数的快速跟踪能力,又能具备小的参数估计误差。仿真结果表明:与传统的递推最小二乘法相比,该方法测量精度和收敛速度更优越,即使在低信噪比环境下,也能较精确的测出时变参数值。

基于递推最小二乘法的炮控系统参数辨识仿真

炮控系统内部结构复杂,机理建模很难建立其较为客观的数学模型,针对这一问题,提出用递推最小二乘法对某型战车炮控系统辨识建模。首先对试验进行了设计,测得了某种工况下的炮塔速度阶跃输出曲线,并用跟踪微分滤波器对所得曲线进行了去噪处理,找出了被控对象的输入输出数据;其次运用递推最小二乘法对假定模型进行了模型参数估计,得到了被控对象的模型参数;最后用阶跃响应性能指标误差评价法对模型的有效性进行了验证。结果表明,该方法能准确地实现炮控系统的模型辨识,所建模型是有效可行的。

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。

用于SCR喷氨量模型参数辨识的辅助变量递推最小二乘法

为了对火电厂选择性催化还原(SCR)烟气脱硝系统中喷氨量-出口NOx质量浓度控制对象模型参数进行在线辨识,针对现场有色噪声数据,采用辅助变量对递推最小二乘法进行了改进,构成辅助变量递推最小二乘法,并对含噪声二阶惯性加纯延迟模型参数进行辨识。同时,结合变回归估计(FMVRE)方法得到最小化损失函数,通过两步辨识得到系统的惯性时间、比例系数及迟延时间。以某350MW机组SCR烟气脱硝系统为对象,采用标准递推最小二乘法和辅助变量递推最小二乘法进行参数辨识。结果表明,辅助变量递推最小二乘法的辨识参数收敛更快,辨识精确度更高,所得模型能够较好地表征实际系统的动态和静态特性。因此,基于辅助变量递推最小二乘法的参数辨识方法可用于SCR烟气脱硝系统控制对象的一类二阶惯性加纯延迟模型参数的在线辨识。

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能 ,提出了根据各传感器量测数据品质对量测数据加权处理 ,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法。仿真结果表明 ,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法。

基于递推最小二乘法的永磁同步电动机参数辨识

针对永磁同步电动机在运行中电机的电磁参数的改变,通过对永磁同步电动机稳态数学模型的推导,利用递推最小二乘法对电机的电阻、电感进行在线辨识。在Matlab/Simulink中搭建辨识模型进行分析比较,验证该方法可以准确地辨识出电阻、电感的值。递推最小二乘法简单可靠,易于实现,具有一定的实用价值。

鲁棒递推偏最小二乘法

针对时变模型建模或大数据量情况下建模过程中的野点检测问题,提出了鲁棒递推偏最小二乘法(RRPLS).通过将递推偏最小二乘法(RPLS)与鲁棒主分量回归算法(RPPSV)相结合,实现分块野点检测算法,有效地解决了一般野点检测算法的计算量大的问题.仿真说明鲁棒递推偏最小二乘法不但能检测出数据中的野点还能大量减少建模时间,最后给出了在交流异步电力测功机系统的应用实例.

递推最小二乘法在LQR参数调整中的应用

针对Riccati方程中系数矩阵Q和R的调整需凭经验和多次试凑的不足,采用递推最小二乘法对系数矩阵进行在线调整,使系数矩阵的参数进行在线优化,更好地发挥了LQR控制器的优势。仿真实验结果表明了递推最小二乘法在一级倒立摆LQR控制器参数调整过程中的有效性。

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。

基于递推最小二乘法的半挂汽车列车结构参数估计

准确获取车辆的结构参数对汽车的主动安全控制至关重要.该文主要研究半挂汽车列车稳定性控制中的结构参数估计.基于汽车纵向动力学的半挂汽车列车整车质量与路面纵向坡度的多遗忘因子递推最小二乘算法(RLS)估计方法,利用估计的整车质量获取挂车的横摆转动惯量;根据线性四自由度(4-DOF)半挂汽车列车模型,探讨了半挂汽车列车轮胎侧偏刚度的RLS估计算法,并讨论了不同初始值对估计效果的影响.基于商用车动力学仿真标准软件TruckSim建立了某半挂汽车列车的非线性车辆模型,通过平路面和不同坡度路面上的动力学仿真对估计方案进行了验证,结果表明,相关参数的估计值和实际值吻合良好,对提高半挂汽车列车主动安全控制的性能具有重要意义.

基于MATLAB的递推最小二乘法辨识与仿真

通过对最小二乘算法的分析,推导出了递推最小二乘法的运算公式,提出了基于MATLAB/Simulink的使用递推最小二乘法进行参数辨识的设计与仿真方法。并采用Simulink建立系统的仿真对象模型和运用MATLAB的S-函数编写最小二乘递推算法,结合实例给出相应的仿真结果和分析。仿真结果表明,该仿真方法克服了传统编程语言仿真时繁杂、难度高、周期长的缺点,是一种简单、有效的最小二乘法的编程仿真方法。