基于CatBoost算法的配电网分区拓扑辨识

含多分布式电源配电网的拓扑结构具有多样性与多变性,影响拓扑辨识的实时性和准确性。提出一种基于CatBoost算法的配电网分区拓扑辨识方法。构建结合拓扑分区的配电网拓扑辨识框架,采用区域开关状态矩阵描述拓扑结构,以进行物理上的辨识降维;提出基于CatBoost算法的特征选择与拓扑辨识方法,通过分区并行离线训练得到历史拓扑和未知拓扑的区域拓扑辨识CatBoost模型,通过在线应用得到实时的区域开关状态矩阵标签,形成配电网开关状态矩阵,实现系统拓扑辨识。配电网算例系统测试结果验证了所提方法的有效性。

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。

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。

基于RCJAYA算法的太阳电池参数辨识

为提升智能优化算法辨识太阳电池参数的精度和准确度,提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新,以平衡局部和全局搜索能力,保持种群多样性;对最优个体进行混沌扰动,发掘更优解替代最差解,提升种群质量;采用替换策略更新陷入停滞的个体,提升算法性能。通过RCJAYA算法辨识参数得到的太阳电池单、双二极管的电流均方根误差最优值分别为9.8602×10^(-4)A、9.8258×10^(-4)A,与JAYA等5种算法对比,结果表明,RCJAYA算法更具优势。根据辨识结果计算出模拟电流,与实测电流进行比对,在单、双二极管上的平均误差分别为0.00084 A、0.00082 A,表明RCJAYA算法辨识的参数值准确可靠。

基于L-SHADE算法的AUV载体磁干扰参数辨识的数值模拟

采用自主水下航行器(Autonomous Underwater Vehicle,AUV)磁测平台可开展海洋地磁场测量、水下磁性目标探测和识别等工作,AUV磁测平台具有广阔的应用前景,但目前AUV载体磁干扰补偿技术研究尚不成熟,制约着水下航行器测磁精度。基于磁测平台抗磁干扰基本原理,提出一种基于线性种群规模缩减和成功历史的参数自适应差分进化(Success History-based Adaptive Differential Evolution with Linear Population Size Reduction,L-SHADE)算法的AUV载体磁干扰参数辨识的数值模拟方法。用磁偶极子和旋转椭球壳混合模型来等效模拟AUV载体磁干扰,通过模拟航行获得多组磁测数据,据此建立磁干扰参数辨识模型,并采用L-SHADE算法求解。通过数值模拟实验定量分析研究磁测平台测磁精度随磁传感器、平台姿态及航向等误差的传播规律。研究结果表明:当磁传感器测量精度为10 nT、姿态测量精度为0.01°、航向测量精度为0.1°时,测磁误差可小于100 nT。设计的AUV磁测平台抗干扰试验表明,地磁场总量最大相对误差为1.07%。

一种基于ISBO算法的锂离子电池等效电路模型辨识方法研究

锂离子电池等效电路模型的参数辨识方法对模型精度有较大的影响。针对缎蓝园丁鸟优化SBO(satin bowerbird optimization)算法收敛精度低和收敛速度慢的问题,提出一种改进的缎蓝园丁鸟优化ISBO(improved satin bowerbird optimization)算法。采用惯性权重、柯西变异、高斯变异和贪婪选择策略来提高ISBO算法的收敛精度,并利用标准测试函数对其收敛性能进行验证。结合电池充放电数据,将提出的ISBO算法用于锂离子电池等效电路模型的参数辨识。实验结果表明,与SBO和自适应权重粒子群优化算法相比,ISBO算法参数辨识精度较高且辨识精度不受电池工况的影响。

基于改进鲸鱼优化算法的GCR5-910协作机器人参数辨识研究

本文提出一种基于改进鲸鱼优化算法(IWOA)的协作机器人动力学参数辨识方法。首先,利用牛顿—欧拉(Newton-Euler)方法建立含有关节摩擦特性的协作机器人动力学模型;其次,通过调整非线性收敛因子和自适应权重的策略引入IWOA;最后,以新松GCR5-910协作机器人为对象设计仿真实验,对辨识结果与理论值进行了对比分析。结果表明,采用改进的鲸鱼优化算法可以准确地辨识出机器人动力学参数,所建立的模型能够反映协作机器人的动力学特性,验证了辨识算法的正确性和有效性。

基于Jaya算法的电车驱动电机参数辨识

针对电动汽车主要驱动电机PMSM入手,为了提高PMSM的运行性能,将Jaya算法进行优化并且运用在PMSM的参数辨识上。事实上,采用矢量控制的PMSM驱动系统的性能取决于PI调节器。这些调节器参数将根据识别的PMSM电机参数进行调整。因此,为了提高永磁同步电机的运行性能,PI调节器的参数需要精确调整并适合于PMSM的参数。通过MATLAB仿真建模验证了PMSM参数识别结果,证明所进行的实验算法具有优化作用。

基于ICS算法的列车运动模型参数辨识

列车运动模型参数辨识对其运行控制至关重要,文章采用单质点列车模型,对运行列车进行受力分析,建立列车运动模型,并提出利用改进的布谷鸟搜索(ICS)算法对列车基本阻力参数进行辨识;基于真实的列车运行数据,对基本阻力参数辨识进行仿真分析,并基于TD3算法对参数辨识的有效性进行仿真验证。仿真结果表明,基本阻力参数辨识对列车运行控制十分必要,相对于经验参数,辨识参数下的列车基本阻力更为准确,且辨识参数下的牵引能耗有一定的降低。

工业机器人动力学参数的改进遗传算法辨识

为了准确辨识出六自由度工业机器人的动力学参数,提出一种基于改进遗传算法的参数辨识方法。构建牛顿-欧拉机器人动力学模型,明确反映各关节力矩与动力学参数的函数关系;通过改进遗传算法获取优化激励轨迹,并对机器人进行动力学参数的整体辨识,减少关节间耦合作用影响,避免多次识别实验环境不一致而产生的误差。最后采用最小二乘法计算机器人的动力学参数,解决因初始值选择不合理而导致辨识精度受限的问题。实验结果表明:此方法得到的最优激励轨迹能够满足约束条件,缩短优化时间,有效提高动态参数辨识的准确性和有效性。

基于粒子群算法的农用轮胎柔性环模型参数辨识方法

轮胎柔性环模型能准确表达轮胎变形,但模型的刚度参数无法直接测定,因此模型刚度参数的辨识成为建模过程中的关键。本文基于轮胎柔性环模型运动学方程,分析农用轮胎固有频率与刚度参数之间的关系,提出基于粒子群算法的柔性环模型刚度参数辨识方法。通过轮胎模态试验获取轮胎固有频率,采用粒子群算法对柔性环模型刚度参数进行辨识。将固有频率的试验值与预测值的平均误差作为评价指标,对比粒子群算法与传统算法及遗传算法辨识结果,结果表明粒子群算法的参数辨识结果精度较高,平均绝对误差为1.67 Hz,平均相对误差为1.66%,相较于遗传算法,平均相对误差降低16.16%,运算时间减少93.19%。通过接地印痕试验获取农用轮胎接地角度,结合辨识所得刚度参数,估算轮胎所受到的垂向力,对比垂向力的试验值与预测值,结果表明粒子群算法的参数辨识结果精度较高,垂向载荷估算平均相对误差为1.97%,相对于遗传算法,平均相对误差降低12.05%。

利用改进SCE算法的锂离子电池参数辨识

针对传统参数辨识方法中存在的易陷入局部最优和精度低问题,提出一种改进洗牌复杂演化算法(shuffed complex evolution, SCE).首先,提出描述电池的动态特性的二阶RC等效电路模型,并根据恒流放电工况测试数据集进行锂离子电池等效模型确定待辨识参数.其次,将模型模拟端电压值与电池真实测试端电压均方根误差作为目标函数,并通过所提出的优化算法来寻找模型最优参数.最后,使用DST、 FUDS的锂离子电池动态工况数据集进行仿真验证,并与粒子群算法、灰狼算法、遗传算法进行比较.仿真结果表明,本方法在辨识精度方面具有优势,算法的参数辨识均方根误差(ERMS)平均值是0.016 6 V,相比较其他优化算法,分别降低了7.8%、 8.3%、 14.9%.

基于GA-SA算法的机器人几何参数误差辨识

几何参数误差对机器人末端绝对定位精度影响最大,而几何误差参数辨识是一个高维非线性问题,求解困难,所以建立一种简单高效的辨识算法是有必要的,本文提出了遗传模拟退火算法(GA-SA)对机器人几何参数误差辨识。以机器人末端位姿误差最小为目标,采用遗传模拟退火算法辨识机器人几何参数误差,以ABB IRB120为算例迭代1100次,遗传算法在200代陷入局部最优,模拟退火参与后最终适应度为0.0914。误差补偿结果表明:机器人末端位置误差沿X,Y,Z轴方向分别降低了88.05%,81.73%,83.72%,姿态误差分别降低了93.92%,83.64%,83.44%,证明遗传模拟退火算法可以有效辨识机器人几何参数误差,提高误差补偿后的机器人末端位姿精度。

基于ASNLS算法的智能浮标浮潜模型参数辨识

[目的]针对智能浮标大深度浮潜模型难以精确量化的问题,提出一种抗数据饱和及测量噪声的最小二乘算法(ASNLS),以实现浮潜多参数识别及深度预测。[方法]首先,在智能浮标浮潜运动灰箱模型中引入其执行机构的非线性动作特性以契合实际模型,并将连续型浮潜运动方程转化为离散模式以匹配实际离散的数据采样方式;然后,将离散型运动方程构造为基于相关函数的表达形式,以减弱噪声对参数辨识的影响;最后,通过调整协方差矩阵的取值,实现该浮潜参数辨识算法的抗数据饱和功能。[结果]基于2021年智能浮标在南海的大深度试验数据,开展了浮潜运动模型参数辨识及深度预测,验证结果表明:相较于传统的最小二乘算法及支持向量机算法,ASNLS算法的收敛速度更快(较最小二乘算法提高了31.8%)、深度预测误差更小(不同深度下的平均绝对百分比误差均小于9%)。[结论]ASNLS算法可为智能浮标的深度控制和预报提供有效的浮潜模型支撑。

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

基于改进灰狼算法的宏微复合驱动器磁滞模型的参数辨识

精确辨识磁滞模型参数是保证宏微复合驱动器位移跟踪精度的关键,针对传统灰狼算法(GWO)存在局部最小值和求解精度不高的缺陷,文章提出一种改进的灰狼算法(TGWO)。通过Singer混沌映射优化了灰狼个体的初始位置,以增加种群多样性;采用非线性收敛因子策略提高了局部开发度和全局搜索度;在种群位置迭代更新中引入动态权重更新和自适应更新策略。通过仿真和实验表明:该算法能有效可靠地辨识宏微复合驱动器磁滞模型的参数,平均相对误差为4.6%,拥有更高的精度和收敛性。

改进细菌觅食算法的永磁同步电机参数辨识

应用群智能算法对永磁同步电机(PMSM)进行参数辨识后期容易进入局部最优,从而导致辨识误差大,为此提出一种融合小生境技术的改进细菌觅食算法(MBFA)。通过构建目标追踪函数,利用电机电流、电压和转速等直接测量的信号实现对电机d轴电感、q轴电感、定子电阻和永磁体磁链的快速、准确辨识;辨识过程中通过引入格型准则对目标解空间进行拟蒙特卡罗采样提高算法的全局搜索能力;基于小生境技术进行在线多种群协同搜索策略提高算法的搜索效率和寻优精度;最后通过引入一种种群实时监测和动态更新机制保证了算法在整个寻优过程的鲁棒性。仿真和实验结果表明,所提算法在参数辨识的快速性、准确性、稳定性方面均表现优越,辨识结果能够满足对永磁同步电机进行建模和仿真的精度要求。

非对称偏斜噪声条件下一种鲁棒概率系统辨识算法研究

在现有的系统辨识算法中,常用的高斯、学生氏t(Student's t,St)、拉普拉斯等噪声分布均呈现出对称的统计特性,难以描述非对称性、有偏的输出噪声,使得在非对称偏斜噪声条件下算法的性能下降.基于此,研究一类广义双曲倾斜学生氏t(Generalized hyperbolic skew student's t,GHSkewt)分布,并在非对称偏斜噪声条件下,提出一种线性系统鲁棒辨识算法.首先,对GHSkewt分布的重尾特性和偏斜特性进行详细阐述,数学上证明了标准学生氏t分布可看作是GHSkewt分布的一个特例;其次,引入隐含变量将GHSkewt分布进行数学分解,以方便算法的推导和实现;最后,在期望最大化(Expectation-maximization,EM)算法下,重构具有隐含变量系统的代价函数,通过迭代优化的方式,不断从被污染数据集中学习过程的动态特性和噪声分布,实现噪声参数和模型参数的联合估计.

基于蜣螂优化算法的光伏电池参数辨识

为解决当前光伏电池参数辨识精度低、速度慢、稳定性较差等问题,本文引入Tent混沌映射初始化种群,使初始解尽可能均匀地分布在解空间内;加入Levy飞行策略,更新蜣螂滚球行为时的个体位置,跳出局部最优解,扩大搜索范围;采用自适应t分布和动态选择策略,在更新蜣螂位置时使用以迭代次数为自由度参数的t分布变异算子对进行扰动,增强算法的全局开发能力和局部探索能力,加快收敛速度;提出一种基于蜣螂优化算法的光伏电池参数辨识方法。实验结果表明,对RTC France的单二极管模型、双二极管模型和光伏组件Photowatt-PWP 201模型进行参数辨识,获得的均方根误差分别为0.000 986、0.000 983、0.002 425。本文提出的方法可以更快更精确地辨识出光伏电池参数,且误差小,具有较高的稳定性。

基于改进麻雀搜索算法的时延连续系统参数辨识

现实环境下的控制系统大多为存在时间延迟的连续时间控制系统,为了模拟控制系统对输入的响应,就必须对其参数进行估算。本文首先对时延连续系统方程作拉普拉斯变换,得到了系统的显式方程;然后,通过蝴蝶优化算法和Levy飞行算法对2020年提出的最新的麻雀搜索算法进行改进,使其避免陷入局部极小值点;最后,将智能优化算法应用于控制系统的辨识中,基于本文改进的麻雀搜索算法对时延连续系统的参数进行了估算,并通过数值实验验证了本文算法在辨识精度和收敛速度上的优越性。