基于限定记忆递推最小二乘算法的智能电表运行误差远程估计

针对智能电表拆检或现场校验方式存在维护成本高、精准性差以及难以全覆盖等问题,该文对大规模量测数据进行分析,提出一种基于限定记忆递推最小二乘算法(limited memory recursive least squares algorithm,LMRLSA)求解的智能电表运行误差远程估计方法。该方法首先根据用户不同量测时段的用电量水平,筛选出相近运行状态的量测数据;然后运用LMRLSA估计智能电表误差,并通过现场分层抽样检测提升误差估计的准确性。电网公司实际算例分析的结果表明,该方法在保证足够量测数据的情况下,可有效实现智能电表运行误差参数估计结果的精准性;且通过调节记忆长度,可保证智能电表误差变化估计的实时性,有助于及时发现疑似异常计量点,为高效的用电巡检提供支撑。

压电执行器的Bouc-Wen模型在线参数辨识

现有的定参数Bouc-Wen模型由于无法表征压电执行器迟滞具有的频移和时变性,极易产生较大的模拟误差。为了精确地模拟压电执行器的迟滞特性,本文建立了压电执行器的Bouc-Wen模型,并采用递推最小二乘在线辨识方法来实时辨识Bouc-Wen模型的参数。为了避免出现数据饱和现象,使用限定记忆来限定辨识方法所使用的数据组数。为验证该辨识方法的有效性,建立了相应的实验系统对其进行实验验证。实验结果表明,限定记忆递推最小二乘在线辨识方法能使Bouc-Wen模型也呈现频移和时变特性。以100 Hz的驱动电压为例,其最大绝对模拟误差从1.38μm降为0.51μm。因此,与传统的离线参数辨识方法相比,限定记忆递推最小二乘在线辨识方法能够有效地提高Bouc-Wen模型的模拟精度。

基于多新息限定记忆的永磁同步电机参数辨识

在永磁同步电机伺服控制系统中,为了抑制由电机参数变化导致的控制精度下降,引入了电机参数辨识修正调节器参数。为了增强辨识系统的抗干扰能力,提出将多新息方法与限定记忆最小二乘法相结合,增加单步递推数据量,对电机参数进行辨识。通过采集电机运行下的电压、电流及转速信号,对电机定子电阻、交直轴电感、转子磁链参数进行同时在线辨识。通过仿真及实验验证,多新息限定记忆最小二乘法辨识收敛速度快,能有效减小辨识结果的稳态误差且鲁棒性强。

最小二乘法在纯方位目标跟踪中的应用

从实际的工程应用入手,研究了被动纯方位目标跟踪中方位轨迹滤波算法。分析了目标方位变化情况,建立方位变化模型,采用限定记忆最小二乘法对方位轨迹进行滤波。仿真结果表明,该算法能够降低方位测量误差,是一种较好的工程实用算法。