一种改进的次级通道辨识算法

为提高次级通道的辨识精度、减小辨识误差对自适应控制的影响,以横向滤波器作为估计模型,分别应用带遗忘因子的最小二乘递推算法和变步长最小均方算法来对横向滤波器的权系数进行了更新,并对两种算法的辨识精度和控制效果进行了对比。结果表明:变步长最小均方算法的性能优于带遗忘因子的最小二乘递推算法,但变步长算法仍存在收敛速度过慢、辨识残差较大的问题。为此,提出一种改进的变步长最小均方算法,并对其进行了实验验证。实验结果表明:改进之后的变步长最小均方算法的辨识精度满足控制要求,收敛速度较快。

基于二阶近似扩展卡尔曼滤波的锂离子电池SOC估计

为提高电池荷电状态(SOC)估计的准确性,更高阶的扩展卡尔曼滤波(EKF)算法被用来估计SOC值。首先建立锂离子电池一阶Thevenin等效电路模型,采用样条函数来表述开路电压(OCV)和SOC值的函数关系。为更加精确地识别等效电路模型参数,提出一种新的带有可变遗忘因子最小二乘法(VFFRLS)的算法来在线识别模型参数。由于VFFRLS解的精度依赖于算法初始值的设定,为此采用改进粒子群算法求得模型初始参数值,进而得到更加精确的VFFRLS初始值。最后采用二阶EKF来估计电池的SOC值,以此提高估计精度。两组不同的数据集用来证明二阶EKF估计SOC值具有普适性。实验结果表明,二阶EKF在估计不同工况条件下的SOC值时,平均绝对误差(MAE)都保持在1%以内,由此证明了所提方法的有效性。

有界增益遗忘L1自适应控制算法的研究

针对单输入单输出非线性系统存在参数不确定性和干扰,结合L1自适应方法和极点配置控制方法,提出一种有界遗忘增益L1自适应控制方法,其中极点配置控制器主要用来保证线性部分闭环稳定,L1自适应控制器则用于抵消系统的非线性特性、参数不确定性和干扰。在L1自适应律中采用改进的有界增益遗忘(IBGF)方法计算自适应增益,将定常自适应增益换成时变的增益,由低到高的平缓时变增益可以有效地抑制由非零初始状态造成的扰动,该算法的稳定性得到了证明。仿真验证表明该方法具有很好的控制效果,验证了它的有效性和实用性。

基于FFRLS的多堆燃料电池系统功率分配方法

为减小多堆燃料电池系统(multi-stack fuel cell system,MFCS)中单体燃料电池运行期间输出功率的大范围变化,提高MFCS平均效率,以保证各燃料电池长期稳定运行,针对大功率质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)系统,提出了一种基于遗忘因子递推最小二乘(forgetting factor recursive least square,FFRLS)在线辨识地改进链式功率分配方法.该方法利用FFRLS算法的实时在线辨识能力估算运行中的每个燃料电池最大效率范围(maximum efficiency range,MER),并将其边界值作为约束参考值实时更新链式功率的限定区间;然后,依据负载需求功率变化和各燃料电池效率高低顺序分配各电堆出力;最后,在搭建的RT-LAB半实物平台上进行试验分析.试验结果表明:与平均功率分配和传统链式功率分配方法相比,本文所提方法对MFCS效率分别提高了0.93%和1.95%.

基于改进PSO-PID控制器的核电站汽轮机转速控制

为了适应核电厂汽轮机转速控制系统中时变的不确定性和非线性,提出了一种基于改进粒子群优化(PSO)算法的PID控制器。以大亚湾核电站900 MW汽轮机模拟机组在某一时期的转速实测数据为基础,首先利用遗忘因子递推最小二乘算法对汽轮机转速控制传递函数模型的参数进行辨识,得到汽轮机转速控制系统的传递函数模型;然后,运用改进PSO算法优化PID控制器参数。MATLAB/Simulink仿真结果表明,该方法具有较高的参数识别精度,增强了系统稳定性,在处理系统的内外干扰时,具有响应速度快、超调小等优点,明显改善了汽轮机转速的控制品质。

一种基于数据挖掘的模糊建模方法

为提高非线性系统模糊建模的速度和精确度,提出一种快速有效的基于数据挖掘的非线性系统模糊建模方法。该方法先采用改进的减法聚类结合模糊C-均值聚类进行结构辨识,在解决初始化问题的同时减少计算量,进而提高建模速度;然后利用带动态遗忘因子的递推最小二乘法进行后件参数辨识,减小动态误差,提高建模精度。将提出的方法应用于Box-Jenkins煤气炉建模和透平膨胀机建模两个例子,仿真结果验证该方法的有效性。

基于粒子滤波的锂电池SOC二次滤波算法

荷电状态(State-of-Charge,SOC)估计作为电池管理系统的核心算法,是电池状态估计与保护控制的重要依据。基于改进PNGV模型,应用带有遗忘因子的递推最小二乘算法实现电池模型参数实时更新;在此基础上,提出了将粒子滤波与卡尔曼滤波相结合的SOC二次滤波算法,结合系统状态方程对粒子滤波结果进行卡尔曼二次滤波,从而在计算量接近粒子滤波的前提下提高估计精度,克服了拓展卡尔曼滤波算法必须对实际工况进行线性化,以及粒子滤波算法在信噪比较低时粒子不能准确描述后验概率而导致结果偏移的问题。通过电池实验仿真验证了模型参数识别以及SOC估计算法的优越性。