基于复系数滤波器的重力储能机侧控制优化

为加速重力储能技术大规模接入新型电力系统,针对储能用永磁同步电机(PMSM)无位置传感器控制进行研究。其中经常采用滑模观测器(SMO)法,但因开关函数不连续,容易造成估计反电动势谐波含量大,经低通滤波器(LPF)后原信号衰减且出现相位延迟,导致估算精度低,进而造成系统充放电不稳定。本文设计了一种复系数滤波器,在得到估计反电动势后进行滤波,将高频干扰信号滤除的同时保真信号,且不引入相位延迟。通过仿真与实验对比,复系数滤波器能显著改善反电势波形,提高转子位置估算精度,电机转速波动小于1%,储能系统高效稳定运行。该复系数滤波器待调参数少,便于移植,可封装成独立模块应用于各类控制算法,易于工程实践,具有推广意义。

具有系数相关性的可变分数时延滤波器设计方法

针对可变分数时延滤波器设计中的复杂度问题提出一种设计方法,将时域插值与泰勒级数展开相结合对Farrow结构进行系数配置,推导出相应的滤波器系数相关公式。该方法设计出的滤波器具有系数相关性,可使近一半滤波器系数独立,并得到低复杂度的滤波器实现结构。从复杂度、幅频响应及群时延、误差方面进行理论推导和仿真验证,分析结果表明,所提方法能有效降低可变分数时延滤波器的复杂度和计算成本。

基于多阶有源带通滤波器和在线相关系数的负载在线智能识别

从时域建立了负载在线识别的数学模型,识别任务由硬件和算法共同承担。采用多阶有源带通滤波器进行硬件预处理,从而将功率相差很大的负载信号转换成可以在同一个条件下采集的电压信号。从皮尔逊相关系数出发定义了在线相关系数,将其作为唯一的时域特征参量,并提出“在线相关系数逐渐增大并最终等于1”的判决准则。利用最大值首位对齐法和均值法进行数据处理,采用逐次比较法和筛选法相结合进行识别。实验数据表明:基于带宽为340~900 Hz的五阶有源带通滤波器和STM32处理器中的在线相关算法很好完成了功率相差1500多倍的电磁炉、电饭煲、笔记本电脑、小灯泡等4种负载的任意在线组合的智能识别。

4WD车辆路面附着系数自适应滤波估计方法

分布式驱动车辆路面附着系数是开发先进底盘控制策略的关键,而轮胎参数对路面附着系数估计具有较大影响。因此,提出了考虑轮胎参数的4WD车辆路面附着系数自适应滤波估计方法,提高了附着系数估计的准确性。在建立HSRI轮胎模型和3DOF车辆模型的基础上,基于扩展卡尔曼滤波理论开发了4WD车辆路面附着系数估计模型;为提高算法估计的精度,以轮胎半径变化量为输入设计了EKF参数自适应模糊调节器,通过对EKF量测噪声实时调整的方式实现了路面附着系数估计。开展实验验证了算法的可靠性,并在双移线和对接路面工况进行了仿真分析。结果表明,相比于EKF算法,该算法在双移线低附着路面上精度提高了17.2%,在对接路面工况下精度整体提高了约35.7%。研究结果为分布式驱动车辆的精确力矩分配提供了理论基础。

基于Koch分形DGS结构的低通滤波器设计

微波无线电射频技术,是指在微波频段内进行高频通信和高速数据传输的技术。随着微波无线电射频技术的发展,其应用领域也日益广泛。低通滤波器作为一种选频器件,是微波无线电射频电路前端的重要组成部件,其滤波性能直接决定了整个电路性能的优劣。为了获得具有低通、宽阻带、小尺寸等优良性能的低通滤波器,在哑铃型缺陷地结构(DGS)的基础上引入Koch分形技术,设计了一款基于Koch分形DGS的半圆形阶梯阻抗并联枝节(S-SISS)低通滤波器。经过仿真优化,该滤波器在回波损耗系数S11值优于-10 dB时的低通通频带范围为0~2.0 GHz;在插入损耗系数S21值优于-10 dB时的阻带带宽范围为2.8~18 GHz,具有超宽带阻带特性。最后,对哑铃型DGS的低通滤波器进行了实物加工与测试,测试结果表明,其性能与仿真结果基本一致。由此可见,所设计的基于Koch分形DGS的低通滤波器在射频电路系统中具有一定的应用价值,有望为该领域的发展提供有力的技术支撑。

基于RGB-NIR滤波阵列的引入权重系数的加权引导滤波去马赛克方法

针对RGB-NIR传感器多光谱成像技术中的去马赛克问题,提出了一种引入权重系数的加权引导滤波去马赛克算法。算法以残差插值为框架,引入加权引导滤波代替引导滤波,通过边缘感知权重因子实现对边缘的检测,提高引导滤波在边缘处的性能。算法使用G通道图像作为引导图,首先进行G通道图像的插值,然后通过加权引导滤波的方法插值出R、B、NIR通道的图像。此外,为了解决在引导滤波中计算线性系数时采用简单的平均值的问题,引入权重系数,并通过加权平均的方式计算得到更准确的线性系数。在TokyoTech数据集以及实际器件上测试了该算法。在数据集的实验上,提出的算法比现有的高性能算法在彩色图像和红外图像上峰值信噪比分别高0.38 dB和0.88 dB;在实际器件实验中,不论是在红外光源打开还是关闭的情况下,所提出的算法在多个场景下表现出最低的平均NIQE指标。此外,在红外光源变动前后,提出的算法所得到的图像的平均NIQE变化也是最小的。实验结果表明,该算法的性能优于对比的算法,并且拥有更好的鲁棒性。

四驱车辆交互式多模型自适应无迹卡尔曼滤波路面附着系数估计

路面附着系数对车辆动力学控制性能有重要影响,为准确实时估计路面附着系数,提高算法在不同路面及工况下的估计精度与收敛速度,本文针对分布式四轮驱动车辆,结合7自由度车辆动力学模型和Dugoff轮胎模型,提出了一种基于交互式多模型的自适应无迹卡尔曼滤波(IMM-AUKF)路面附着系数估计方法,首先将改进的Sage-Husa噪声估计器引入到无迹卡尔曼滤波(UKF)算法中,构建了自适应无迹卡尔曼滤波(AUKF)观测器,以对测量噪声进行实时更新并保证其协方差矩阵的正定性,同时提高新观测数据的权重,并增强算法的实时跟踪精度和稳定性;然后通过选择不同的观测变量,分别构建了车辆纵向行驶工况AUKF观测器和横纵向耦合工况AUKF观测器,并利用交互式多模型(IMM)算法进行观测器模型的切换,进而实现算法在车辆不同行驶工况下路面附着系数的准确估计。高附、低附、对接以及对开等路面仿真试验及实车道路试验结果表明,所提出的IMM-AUKF算法相比于传统的UKF算法,具有更高的估计精度与更快的收敛速度,能够适应不同工况下路面附着系数的实时准确估计。

复系数滤波器锁相环电压暂降检测仿真研究

在三相电力系统中,单相电压暂降问题已经成为影响电力设备正常运行的最大隐患。本文针对传统单相电压暂降检测方法计算量大、动态性能差、检测精度较低的问题,提出一种基于复系数滤波器锁相环的电压暂降检测改进算法,通过引入相移算子,实现交叉去耦,极大地减小了检测计算量,提高了算法的动态性能和检测精度,特别适用于电压暂降的快速实时补偿,具有较大的实际工程应用价值。Matlab/Simulink仿真结果表明所提出的方法能快速精确地检测暂降深度,准确性与实时性满足电压暂降实时检测的需求。

基于Volterra自适应滤波的SOC估计算法

针对锂离子电池组中BMS检测的电压、电流等参数存在实时性差而导致SOC估计误差增大的问题,提出基于混沌时间序列的Volterra自适应滤波器的SOC预测法。该方法首先验证了锂离子电池的SOC时间序列存在混沌特性,其次采用相空间重构法将电压、电流数据重组为多维度数据,进而使用Volterra自适应滤波器对重构后的多维数据展开锂离子电池组的SOC预测。仿真及试验结果表明,基于混沌时间序列的Volterra自适应滤波器综合利用了锂离子电池线性和非线性参数特点,能够较好地揭示出电池SOC与其他变量的相互关系,实现较高精度的锂离子电池SOC预测,且有较好的可实现性。

三相不平衡电压的复系数滤波锁相环方法

在电力系统正逐渐呈现出弱电网的趋势下,电网的三相电会经常出现三相不平衡和含有电力谐波的工况,这些恶劣工况会对各种并网逆变器的锁相环结构的快速性、精确性、稳定性提出更高要求,传统的SRF-PLL已经无法满足需求。基于复系数滤波的思想,对传统锁相环进行改进,给出了一种复系数滤波的锁相环系统设计方法。通过Simulink仿真实验验证了所提出的设计方法的正确性。

基于Goldstein滤波算法的短期售电量精准预测方法

为提升售电量预测的精准性,提出基于Goldstein滤波算法的短期售电量精准预测方法。采集历史用电数据并绘制电力负荷曲线图,依托于Goldstein滤波算法处理图像,得到可以准确反映用户短期用电规律的数据。利用皮尔逊相关系数筛选出相似电力用户,并合理选取参考日,得到可用于短期售电量预测的数据集。运用曲线拟合分析原理,搭建售电量增长趋势模型,并了解售电量变化影响因素,基于此建立多元回归预测模型,通过粒子群求解得出精准的售电量预测结果。实验结果表明:所提方法的短期售电量预测结果,平均绝对百分比误差保持在5%以下。

一种全解耦的RLS自适应Volterra滤波器

本文研究了Volterra自适应滤波器解耦问题,提出了一种全解耦的RIS自适应Volterra滤波器.按照Volterra滤波器的伪线性组合结构,采用RIS滤波原理和约束优化理论,导出了满足最小累计平方误差指标的具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种全解耦的RLS自适应Volterra滤波器,给出了滤波器权向量自适应修正的一套公式.仿真结果验证了本文方法的有效性.

基于Volterra自适应滤波器的风电功率混沌预测

风电场风电功率短期预测对并网系统的安全、经济和稳定运行具有重要意义。利用C-C法对风电功率时间序列进行了相空间重构;计算了风电功率时间序列的最大Lyapunov指数,两者均证实风电功率时间序列具有混沌特性,可采用混沌方法对其进行预测。利用不同阶数的Volterra自适应滤波器对风电功率进行短期预测。应用于2个不同风电场进行验证,结果显示:Volterra自适应滤波器能够反映出风电功率序列未来变化的趋势,并可以达到较高的一步预测精度,但阶数不同,预测精度不同,阶数越低,精度越高。

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题,提出了一种鲁棒的总体最小二乘自适应算法.该算法利用滤波器的增广权向量的瑞利商为损失函数,导出了其自适应迭代公式,并利用随机离散学习规律对权向量模的分析进行算法梯度修正,提高了算法的噪声鲁棒性,而且使得算法简单,稳定性好,收敛精度高.将该算法应用于Volterra滤波器,可使滤波器在非线性系统中的信噪比达到10dB,在学习因子为0.01时,算法仍然能够保持良好的收敛性.仿真结果表明,即使在高噪声环境或使用较大学习因子的情况下,该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法.

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。

基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法。在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能。仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号。

一种全解耦的Volterra自适应滤波器

本文研究了Volterra自适应滤波的解耦问题 .通过对Volterra滤波器的伪线性组合结构的提出和分析 ,得到了一个新的关于均方误差MSE的表达式 ,并将Volterra自适应滤波问题描述为一个约束优化问题 ,从而导出了满足最小均方误差 (MMSE)指标的具有分块对角型输入相关矩阵的全解耦Volterra标准方程 ,据此设计了一种全解耦的Volterra自适应滤波器 ,给出了滤波器权向量的自适应修正公式 .

稀疏自适应Volterra滤波的QRD-RLS算法

求解非线性问题时,非线性Voherra滤波的性能明显优于线性滤波;稀疏结构Volterra滤波器有效降低了Volterra滤波的工程应用复杂度;本文针对稀疏Volterra滤波,改进了基于QR分解的RLS算法,在更换滤波器抽头的时候保留了先前的数据信息,从而加速当前抽头的收敛,加快了滤波器核矢量的更新和替换。仿真结果表明改进的QRD-RLS算法具有快速自适应能力;一同验证了稀疏Volterra滤波的有效性。

图像边缘提取的自适应Volterra滤波器设计

Ｖｏｌｔｅｒａ滤波是研究信号高阶统计冗余性的一种有效途径．我们提出了一种用于提取图像边缘的自适应二次Ｖｏｌｔｅｒａ滤波器设计方法．这种滤波器是推广型Ｔｅａｇｅｒ基滤子的线性组合，其系数用基于极小化最小均方能量函数的共轭梯度法确定；它兼有局域平均和高通特性，因而可均衡去除噪声和增强图像边缘．文章还给出了计算实例．

基于非平稳相似性系数的构造导向滤波及断层检测方法

不连续地质体(如断层)的自动检测一直以来都是叠后地震数据解释中的关键问题之一,尤其在三维情况中尤为重要.然而,大多数边缘检测和相干算法都对随机噪声很敏感,随机噪声衰减是叠后地震数据解释的另一个主要问题.针对构造保护去噪和断层检测问题,本文基于非平稳相似性系数完善一种构造导向滤波方法并且提出一种自动断层检测方法,形成了一套匹配的处理技术.该构造导向滤波既能够有效地衰减随机噪声又可以很好地保护地震资料中的断层等信息不被破坏,增强地震剖面中弯曲、倾斜同相轴的连续性.根据地震数据局部倾角走向,利用相邻道构建当前地震道的预测,通过预测道的叠加得到参考道,计算预测道与参考道之间的非平稳相似性系数可以设计出数据驱动的加权中值滤波.另一方面,预测道与原始道之间的非平稳相似性系数能够用于带有断层指示性的相干分析.这两种方法都基于构造预测和非平稳相似性系数,但是使用不同的调节参数和处理方案.理论模型和实际数据的处理结果证明了本文提出构造导向滤波和断层检测方法的有效性.