基于MF-LSTM的城市电动汽车集中充电负荷可调潜力评估

在新型电力系统背景下,电网需求侧可调控资源对于系统稳定的重要性日益提升。电动汽车作为重要的可调度负荷资源,对其可调度潜力进行准确评估,能有效提升电网安全稳定运行能力。现有研究较少考虑电动汽车用户行为偏好对电网负荷调控的影响,因此,提出一种考虑用户充电偏好的电动汽车集中式电站可调潜力评估方法。考虑电动汽车充电时的外部条件与自身行为偏好因素,建立基于隶属度函数的用户充电行为模型,并结合长短期记忆神经网络算法对充电站的可调潜力进行评估。最后,通过实际充电站算例,分析了电动汽车用户与负荷可调度潜力之间的耦合关系,验证了所提方法对负荷可调控容量评估的有效性,为电动汽车可调负荷参与削峰填谷等需求响应服务提供了理论支撑。

无界域上具有记忆的非自治Plate方程随机吸引子的存在性

研究无界域上一类具有衰退记忆和加性噪声的非自治Plate方程解的长时间行为.利用一致估计验证了解的拉回渐近紧性,获得了其随机吸引子的存在性.

基于改进卡尔曼滤波的CPS虚假数据注入攻击检测

为提高信息物理系统(Cyber-Physical Systems,CPS)安全,提出一种改进卡尔曼滤波(Kalman Filtering,KF)的CPS虚假数据注入攻击(False data injection attack,FDIA)检测方法。首先,在标准KF中引入渐消记忆指数加权方法,以使KF算法自适应统计噪声特性,从而提高滤波性能;然后利用改进KF算法构建攻击检测模型,对FDIA进行检测;最后,在IEEE-30节点和IEEE-14节点系统上进行仿真,验证改进KF算法的有效性。结果表明,改进KF算法可有效检测FDIA,且相较于标准KF算法、加权最小二乘滤波(weighted least squares,WLS)算法,改进KF算法对FDIA检测结果与实际值更为接近,平均绝对误差分别为2.1336和1.2543。由此表明,本改进算法可用于CPS的FDIA检测。

基于LM-RLS和渐消因子EKF算法的锂电池SOC估计

为提高复杂工作环境下锂电池荷电状态估计精度,以三元锂离子电池为研究对象,采用限定记忆递推最小二乘法与渐消因子扩展卡尔曼滤波算法相结合进行荷电状态估计。以有限组数据计算当前时刻模型参数,解决数据饱和问题。在扩展卡尔曼滤波算法中加入渐消因子,弱化旧数据的影响,实时调整误差协方差矩阵。为验证算法的合理性,建立二阶RC等效模型,对不同工况进行荷电状态估计。验证结果表明,算法估计精确度高且稳定性好。系统稳定后,HPPC、BBDST工况中的荷电状态最大估算误差分别为0.0144和0.0085,且波动范围较小,验证了改进算法估计锂电池荷电状态时的良好性能。

基于可变遗忘因子的渐消记忆变分贝叶斯自适应滤波算法

针对全球卫星导航系统/捷联惯性导航系统(GNSS/SINS)组合导航中GNSS信号易受干扰,造成量测噪声突变的问题,提出一种基于可变遗忘因子的渐消记忆变分贝叶斯自适应Kalman滤波(VBAKF)算法。针对自适应滤波中突变噪声难以准确探测,构建基于初值的噪声突变检验准则;为解决自适应滤波估计突变噪声的拖尾现象,将变分贝叶斯自适应滤波的超参数传递结构转化为协方差阵修正结构,通过构造可变遗忘因子函数动态调节自适应滤波中的遗忘因子。仿真和实测数据表明:所提算法可在GNSS/SINS噪声突变时快速估计量测噪声,提高组合导航精度。

衰退记忆型无阻尼吊桥方程的时间依赖拉回吸引子

基于时间依赖空间上的过程理论,考虑带有衰退记忆的无阻尼吊桥方程解的长时间动力学行为.首先,利用Faedo-Galerkin逼近法得到解的适定性;其次,利用能量估计得到该非自治动力系统在相应解空间中存在拉回吸收集;最后,利用收缩函数方法和共圈技术证明时间依赖拉回吸引子的存在性.

基于自适应衰减记忆法的视觉惯性里程计算法

针对机器人快速运动导致系统先验噪声统计特性与实际不符,严重影响视觉惯性里程计定位精度的问题,提出了一种基于自适应衰减记忆法的视觉惯性里程计算法。利用机器人运动状态方程模糊推理得到衰减因子,实现一种新的选取衰减因子的方法;然后利用自适应衰减因子实时修正噪声模型,抑制滤波发散;最后在公开数据集和真实环境下进行实验,该方法整体定位误差在0.6 m内。实验结果表明,所提算法在机器人快速运动时能有效避免滤波发散,对机器人定位性能提升显著。

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.

基于指数加权的改进衰减记忆自适应滤波算法

体系对抗条件下预警机作用日益突出,但是我方离其距离远,量测数据不准确,对其跟踪困难,针对这个问题提出了一种基于指数加权的改进衰减记忆自适应滤波算法。标准卡尔曼滤波由于模型不准确会造成滤波发散,传统衰减记忆滤波在解决此问题的同时由于其衰减因子为常值会造成目标跟踪精度不足,为此设计了一个指数型的衰减因子对传统算法进行改进,该衰减因子能够自适应计算,并将改进后的方法应用于交互式多模型算法当中。仿真结果表明,该算法可以对预警机目标进行有效跟踪,且与标准卡尔曼滤波和常值衰减因子滤波对比发现,该算法估计误差明显减小,跟踪精度显著提高。

基于衰减记忆的地形辅助导航算法

地形辅助导航是解决惯性导航系统定位误差随时间不断增大的缺点的重要方法之一。提出了基于衰减记忆的地形辅助导航算法,算法使用了一个新的相关算子,根据量测值存在的历史时间长短,对量测值赋以不同的权值,用一个递归表达式递归地计算相关值。该算法在提高定位精度的同时减少了计算量和存储空间,从而提高计算速度,并连续输出定位结果。仿真结果表明该算法的正确匹配率、均方根误差和圆概率误差均优于TERCOM算法。

低应力区岩石变形记忆效应形成机制及失忆性

地应力信息储存于开挖后的岩石中,变形率变化法(DRA)是基于岩石变形记忆效应测量地应力的方法,正确的机制是认识变形记忆效应与推广、改进DRA法的基础。传统推测的机制并不能解释低应力区存在变形记忆效应及失忆性等现象。首先进行火山沉积岩试样的物理试验,证明低应力区仍然存在变形记忆效应,记忆信息可同时采用侧向应变及轴向应变测量,两者精度一致。提出在低应力区,岩石变形记忆效应机制为微裂纹接触面及颗粒接触面的摩擦滑动。基于此机制,采用弹性元件、黏性元件和圣维南体构建相应的轴对称理论基本单元模型及多接触面理论模型。进行不同放置时间下的单轴循环压缩试验。结果表明,由轴对称理论模型可以得到低应力区岩石变形记忆效应、侧向DRA曲线与轴向DRA曲线准确度一致且在记忆信息处向上弯曲等、并对失忆性现象进行了初探。理论模型与物理试验结果一致,由此证明微裂纹接触面及颗粒接触面的摩擦滑动可以得到低应力区岩石变形记忆效应。同时,理论模型及物理试验结果为提高DRA法的测量准确度提供了依据。

基于多重渐消因子的自适应卡尔曼滤波器

现有计算渐消因子的自适应卡尔曼滤波器得到的通常是标量渐消因子,从而导致各滤波通道具有相同的调节能力,不利于提高滤波精度。针对该问题,提出了一种利用估计均方误差和新息协方差估计值来计算多重渐消因子的方法,通过一组并行工作的基于限定记忆指数加权的新息协方差估值器来计算渐消因子,并根据估计均方误差把渐消因子分配给各滤波通道,从而提高自适应卡尔曼滤波器整体性能,仿真结果证明了所提方法的有效性。

基于衰减记忆高斯和滤波的星间精密测距技术

星间精密测距是导航星座实现自主导航的核心技术。针对导航星座中码测量值精度低但无整周模糊度,载波相位测量值精度高但存在整周模糊度的特点,该文根据贝叶斯递推原理提出了一种衰减记忆高斯和滤波(Fading Memory Gaussian Sum Filter,FMGSF)的伪距估计方法。该方法用高斯和形式近似表示系统后验概率密度,并根据卡尔曼滤波原理来更新高斯项的均值和方差,同时引入衰减记忆因子克服由于模型失配导致的滤波结果发散问题,利用重采样解决由于载波相位测量值不确定导致的算法复杂度增加问题。理论分析和仿真结果表明,该文提出的方法不仅能够克服周跳对伪距估计的影响,而且可以获得更好的测距精度。

改进UKF算法在移动机器人定位系统中的应用

为解决移动机器人室内定位误差较大的问题,提出一种将最小偏度采样策略和衰减记忆滤波相结合的改进UKF(unscented Kalman filter)算法.该算法采用最小偏度采样策略,采样点个数由2n+1减少到n+2,提高了定位实时性;采用衰减记忆平方根滤波修正量测噪声的权值,避免滤波发散,提高了系统鲁棒性.构建无线局域网定位系统,使用改进的UKF算法对获得的无线信号(RSSI值)进行滤波.采用三边定位法进行定位计算.实验结果表明,系统平均定位误差降低49%,达到0.505 m,可较好地实现机器人的精确定位,满足移动机器人的室内定位要求.

改进最小二乘递推算法的洪水预报应用研究

建立线性自回归模型,应用于洪水实时预报,并应用AIC、BIC这两种准则以确定自回归模型的阶数。最小二乘递推算法是估计自回归参数的一种常见方法。最小二乘法估算出的模型参数在预报误差平方和最小的条件下是最优解。研究中,为了强化时变系统的辩识以提高洪水预报精度,对数据采取衰减记忆、有限记忆及时变衰减记忆的方式,对基本的最小二乘递推算法提出了三种改进形式,并利用这几种改进算法进行了洪水演算,最后对几种算法的演算结果进行了比较。

基于渐消记忆滤波的弹道修正弹落点预测

针对滤波处理所需时间长、准确建立误差模型难的问题,提出了仅对弹道落点预测偏差进行滤波的方法,给出了弹道方程及落点预测方程。关于弹道修正弹飞行过程中弹道经常发生突变及弹载计算机运算能力有限的问题,提出了基于渐消记忆滤波的自适应滤波方法,采用半实物仿真试验和飞行试验对该滤波方法进行了试验验证,结果表明该方法能实现实时滤波,弹道突变时滤波后的预测偏差可保持相对平滑,没有引起发散现象,实用性很强。

驾驶人对交通标志视认的短时记忆衰减模型研究

研究驾驶人交通标志信息记忆量随时间的变化规律,构建驾驶人对交通标志视认的短时记忆衰减模型,能够为城市道路交通标志设计及实施应用提供有力的支撑。提出采用幂函数曲线作为驾驶人对交通标志视认的短时记忆衰减曲线,并以一条有交通标志的实验路段为例,采用实车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,构建驾驶人对交通标志视认的短时记忆衰减模型。通过研究验证了艾宾浩斯遗忘曲线,并为完善交通标志设置提供了参考依据。

带衰退记忆的经典反应扩散方程的全局吸引子

当非线性项满足任意阶多项式增长且外力项仅属于H^(-1)(Ω)时,研究了带衰退记忆的经典反应扩散方程的长时间动力学行为.应用抽象函数理论、半群理论以及新的估计技巧,在空间L^2(Ω)×L_μ~2(R^+;H_0~1(Ω))上证明了全局吸引子的存在性.该结果改进和推广了Chepyzhov等人(2006)及Zhong等人(2006)的相应结果.

基于改进衰减记忆滤波的组合导航算法研究

关于优化组合导航系统定位精度问题,由于惯导系统为非线性系统,存在滞后和噪声特性,影响系统定位精度,传统卡尔曼滤波器滤波一段时间后,系统预测误差方差阵逐渐趋于零,状态估计过分依赖旧量测值,从而导致滤波发散,系统定位精度差。目前采用在预测误差方差阵中引入标量衰减因子来抑制发散,但该标量因子是不变量,难以修正所有状态估计异常的情况。为有效提高新量测值对预测值的修正作用,研究了一种改进的衰减记忆滤波算法,通过引入可变加权系数来抑制发散。经数值仿真结果表明,新算法的滤波效果相比卡尔曼滤波和带标量因子的衰减记忆滤波有较明显的改善,提高了系统的定位精度,对工程应用有一定参考价值。

一种采用衰减记忆滤波的环月航天器自主导航方法研究

针对环绕月球运行的深空探测航天器提出了一种新的自主导航方案,该方案是以两个环月航天器之间的相对位置矢量信息作为量测量,结合轨道动力学方程,对航天器的轨道自主估计确定,方案中考虑了符合实际的复杂摄动影响,并对描述动力学特性的数学模型与噪声的统计模型不准确而导致的滤波发散问题,提出利用一种经过衰减记忆改进的平方根非线性滤波(SRUKF)算法进行解决。对所提方案做了大量的计算机仿真,同时详尽的分析和比较了由于衰减因子及采样周期变化所带来的影响。从仿真结果上看,衰减记忆滤波处理能够很好得抑制非线性状态转移条件下的滤波发散趋势。