基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

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。

基于多新息扩展卡尔曼滤波的锂离子电池SOC估计

锂电池具有高能量密度、循环寿命长等优点而被广泛应用于电动汽车动力装置,但车辆运行状况复杂多变,且电池内部呈现高度非线性的性质,导致电池荷电状态(state of charge, SOC)难以准确计算。为优化锂电池SOC估计精度,构建结合Warburg元件的分数阶二阶RC模型,采用自适应遗传算法进行参数辨识;融合多新息理论和扩展卡尔曼滤波算法,提出基于多新息扩展卡尔曼滤波(multi innovation extended Kalman filter, MIEKF)的锂离子电池SOC估计算法,并利用试验数据验证该方法的有效性,为提高SOC估计精度和车载锂电池的循环使用寿命提供了新的方法途径和实践支撑。

基于多新息辨识算法的锂离子电池等效电路模型参数辨识

实时、准确地获得电池模型的参数可提高电池状态估计的精度。常用的系统辨识算法和智能优化算法不仅实时性差,而且辨识精度低。为了解决等效电路模型的参数辨识及提高等效电路模型参数的辨识精度,本文通过直接离散的方法建立了能够同时辨识二阶RC(resistance-capacitance)等效电路模型和PNGV(partnership for a new generation of vehicles)模型参数的差分方程。基于多新息算法辨识理论,提出了带遗忘因子的多新息辅助模型扩展递推最小二乘(FMIAELS)算法。FMIAELS算法只需利用电池的电流及端电压即可实现等效电路模型参数的实时、精确辨识。实验验证结果表明,在不同温度、工况和老化程度下,FMIAELS算法可精确地辨识电池的模型参数,误差约为常用的系统辨识算法和智能优化算法的1/3。FMIAELS算法也能实现开路电压(OCV)的精确辨识,在不同脉冲下辨识的OCV的精度也明显优于常用的系统辨识算法和智能优化算法,其平均误差仅有0.22%。

水陆两栖飞机全机模型静水滑行水动性能预报

水面起飞性能是水面飞行器的基本性能,也是总体技术的核心,涉及多个学科领域。水陆两栖飞机水面高速滑行水动力性能与排水型船不同,具有速度高、运动复杂等特点,高速滑行时一方面受到较大的水动升力,另一方面受到机翼的升力。结合水陆两栖飞机水面高速滑行特点,利用雷诺平均法(Reynolds average navier-stokes, RANS)数值方法和重叠网格技术对水陆两栖飞机全机模型开展数值仿真模拟,分析了自由液面水气分布、机身底部压力分布特征,并将阻力、姿态和升沉与水池模型试验结果进行对比,验证了数值方法的准确性,为水陆两栖飞机静水滑行水动性能数值预报提供技术基础。

新息滤波交互式多模型噪声辨识算法

预先或在线获取系统噪声的统计特性，往往是有效设计一个估计器或控制器的先决条件．早期关于噪声辨识的工作主要针对平稳或统计特性缓变的噪声过程．本文提出一种混合系统噪声辨识新算法，该算法将新息滤波与交互式多模型算法结合起来，前者降低了权概率系数对量测噪声的敏感程度，而后者则是基于混合系统模态的马尔可夫链过程实现多模型的动态交互与动态切换．仿真结果证明了本文新算法的有效性．

基于辅助模型的多新息广义增广随机梯度算法

将辅助模型辨识思想与多新息辨识理论相结合,利用系统可测信息建立一个辅助模型.分别用辅助模型输出和噪声估计值代替辨识模型信息向量中未知真实输出变量和不可测噪声项,并引入新息长度扩展标量新息为新息向量,提出了Box-Jenkins模型的辅助模型多新息广义增广随机梯度辨识方法.所提出方法重复使用系统数据,能够改善参数估计精度,加快算法的收敛速度.

多新息最小二乘法辨识水下机器人动力学模型

水下机器人动力学模型辨识是水下机器人运动控制、状态监测和系统设计开发的基础。把6自由度动力学模型适当简化,给出Falcon水下机器人的动力学模型,在最小二乘算法(LS)和递推最小二乘算法(RLS)的基础上,提出基于多新息最小二乘算法(MILS)的水下机器人动力学模型辨识方法,最后给出MILS辨识算法、RLS算法和LS辨识算法仿真实验结果,证明所提算法的可行性与优越性。利用多新息最小二乘算法得到的水下机器人动力学模型参数更接近于理想参数,能够更好的描述水下机器人的动态特性,对于水下机器人的操纵与自适应控制的研究有较大的实际意义。

基于新息的威布尔模型自动测试系统校准周期优化

针对自动测试系统(auto test system,ATS)的原位校准策略,在获得的历史校准数据基础上,引入了测量可靠性随时间变化的威布尔模型,并通过将旧数据替换为新数据来调整模型参数,不断适应数据的变化,对ATS的校准周期进行动态优化,确定了校准时机。最后通过实例分析进行了对比论证,结果表明基于新息的威布尔模型预测的最小均方差为2.4×10?3,更能反映数据的变化趋势,优于最小均方差为2.7487×10?4的传统威布尔模型。

高超声速飞行器新息滤波交互式多模型跟踪算法

研究临近空间高超声速飞行器在运动特点,针对强杂波环境下高速、高机动目标跟踪问题,提出用新息滤波减小观测噪声以修正模型概率更新过程的算法。Monte-Carlo仿真结果表明:该算法可以有效减小量测噪声对系统滤波的影响,提高滤波精度,在临近空间强杂波环境下具有较好的跟踪精度,具有一定工程实用价值。

新息与等维新息非等间距GM(1,1)模型及其应用

为了提高灰色理论中模型的预测精度,通过分析积分重构GM(1,1)模型,将积分获取背景值的方法应用到新息和等维新息模型中,并且将模型的适用范围从等间距进一步扩展到非等间距。通过实例比较了新息和等维新息模型,结果表明:新息模型将预测的新信息补充到原始序列,能很好的反映系统的发展;而等维新息模型随着系统的发展,不仅添加新信息,而且除去老信息,这样的处理方式比仅仅添加新信息的方式具有更好的预测效果;这些结论丰富了灰色系统的模型,为灰色理论的运用提供了一个有效的方法。

新息改进GM(1,1)模型参数估计的新方法

为了提高新息改进GM(1,1)模型的预测精度,引入累积法对新息改进GM(1,1)模型的参数进行估计,给出了新的参数估计公式。该方法避免了大量的矩阵运算,降低了计算量。数值计算结果表明,累积法新息改进GM(1,1)模型具有很高的预测精度,是一种值得推广的新模型。

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题。[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法。以“育鲲”船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用“育鹏”船对所提算法的有效性进行验证。[结果]结果表明:与最小二乘法相比,非线性新息改进最小二乘法的模型参数辨识精度提升了15%左右。[结论]研究结果可为小样本数据情况下的船舶模型参数辨识提供参考。

Singer模型下α-β-γ滤波的新息序列特性分析

卡尔曼滤波条件下新息序列的白噪声特性在跟踪过程中具有十分重要的作用。但在实际工程中,α-β-γ滤波器因其较小的计算量常取代卡尔曼滤波器得以应用,这时需要对该滤波条件下的新息相关特性进行研究,以此来指导野值剔除和机动检测方案的重新设计。从理论上推导了Singer模型下α-β-γ滤波的新息序列相关特性计算的一般表达式,在两组特定的取值下,研究和分析了滤波达到稳态时新息序列的相关特性,用仿真验证了理论推导的正确性。理论和仿真结果均表明,两种情况下的新息序列都具有一定的相关性。

基于动态新息模型的雷达装备故障趋势预测

准确的故障趋势预测对于雷达装备的预防性维修具有重要意义;而灰色GM(1,1)预测模型和时序AR(n)预测模型又各有其优缺点,如将二者有机结合则可取长补短、相得益彰;根据雷达装备重要器件的状态监测信息建立动态新息GM(1,1)-AR(n)预测模型可准确预测其故障发展趋势,进而可建立雷达整机的故障趋势预测模型。

基于ARMA新息模型辨识的工序质量诊断方法

本文基于辨识 ARMA新息模型生成估计残差序列 ,再对残差序列的平均值和无偏方差进行假设检验 ,可实现工序质量的异常诊断。

一类有色噪声干扰系统的辅助模型多新息辨识方法

针对一种有色噪声干扰系统,把标量新息扩展为向量新息(即多新息),将最小二乘算法、随机梯度算法分别和辅助模型方法结合,提出了基于辅助模型的多新息最小二乘算法和基于辅助模型的多新息随机梯度算法。与传统最小二乘算法和随机梯度算法相比,所提出的算法可有效提高收敛速度和辨识精度,其中基于辅助模型的多新息随机梯度算法比基于辅助模型的多新息最小二乘算法计算量少、收敛速度快。仿真例子验证了算法的有效性。

基于逐步优化构造新息背景值和倒数累加生成的非等间距多变量新息MGRM(1,n)模型

应用逐步优化和新息建模方法,构造多变量非等间距新息灰色模型MGRM(1,n)的新息背景值,基于倒数累加生成,以数据的第m个分量作为灰色微分方程解的初始条件,建立了多变量非等间距新息模型MGRM(1,n).该新型模型不仅适合于等间距建模,也适合于非等间距建模,拓广了灰色模型的应用范围,有效地提高了模型的拟合精度和预测精度.实例证明了所建模型的实用性与可靠性.

基于新息相关性自调整的交互多模型算法

本文通过引入新息相关法,提出了一种基于新息相关性自调整的交互多模型算法。该方法首先利用模型概率识别出最可能近似真实模式的模型,而后针对该模型应用新息相关法滤波,在系统的数学模型和噪声的统计模型不精确的情况下,通过监测残差是否为白噪声,来相应地调整卡尔曼增益,从而使卡尔曼滤波达到最佳。

基于ARMA新息模型与Riccati方程的两种Kalman跟踪滤波器的等价性

针对带位置和速度观测的目标跟踪系统,分别利用ARMA新息模型法和Riccati方程法求稳态Kal-man滤波器增益,通过仿真验证了两种方法的等价性。在构造ARMA新息模型时,必须进行多项式矩阵的左素分解,才能得到正确的ARMA新息模型,否则将引出错误的滤波结果。