遗忘因子递推最小二乘法辨识锂离子电池参数

递推最小二乘法是辨识锂离子电池等效电路模型参数常见的方法，然而随着递推过程中数据的增加，新数据的生成会受到旧数据的影响，导致误差较大。为此，对锂离子电池的二阶RC等效电路模型进行建模和分析，提出一种用于等效电路模型参数在线辨识的遗忘因子递推最小二乘(FFRLS)法。在动力应力测试实验的基础上，在线辨识等效电路模型参数，利用识别的电路参数对电池电压进行在线预测。通过对比不同遗忘因子(λ)下的端电压均方根误差，发现λ=0.86～0.94为最佳范围。所提算法的精度优于递推最小二乘(RLS)法，验证了算法的可行性和有效性。     

分裂电池模型的在线参数辨识

分裂电池模型(SBM)是一种可消除状态变量间相互干扰的新型模型,但该模型的参数辨识一般采用传统的最小二乘法(RLS),无法实时跟踪模型参数,且RLS会出现数据饱和,导致辨识精度低,影响电池荷电状态(SOC)估算精度。针对这一问题,提出基于分裂电池模型的带遗忘因子的递推最小二乘法在线参数识别方法,该方法能够实现模型参数的在线识别并提高辨识精度,基于辨识的模型参数利用无迹卡尔曼滤波(UKF)算法估算SOC,从而提高电池SOC估算精度。实验结果表明,采用带遗忘因子的递推最小二乘法可提高模型参数的估算精度,并有效改善SOC的估算效果。     

基于闭环辨识的过热汽温串级控制器设计方法

针对过热汽温对象难以用开环辨识算法得到精确模型,使基于模型设计的PID串级控制器难以整定的现状,提出了基于RLS(Recursive least squares,递归最小二乘)算法的两阶段闭环辨识方法,并将辨识模型结合内模控制原理对PID参数进行整定。将该方法应用于过热汽温控制系统,仿真结果验证了该控制器整定方法的有效性。     

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。     

最小支持向量机在系统逆动力学辨识与控制中的应用

为克服支持向量机(support vector machine,SVM)在线辨识过程需要较大的内存开销的问题,该文将递推最小二乘法(recursive least square,RLS)与最小二乘支持向量机(least squares support vector machine,LS-SVM)回归相结合,利用RLS在线调整支持向量机的权向量和偏移量,实现了系统逆动力学模型的在线辨识。在获得逆动力学模型的基础上,设计了一种基于逆动力学递推最小二乘支持向量机的控制算法,利用RLS在线调整控制器参数。过热汽温辨识和控制的仿真结果表明,辨识出的逆动力学模型具有较高的精度,所设计的控制器能获得较好的控制性能和有较强的适应能力。     

基于最小二乘法引导的信赖域算法在电力系统动态负荷参数辨识中的应用

针对暂态电压稳定分析中动态负荷参数辨识问题,以考虑机械暂态过程的动态负荷模型为研究对象,结合最小二乘算法思想,构建动态负荷参数辨识模型,提出将基于二次插值的信赖域算法应用于电力系统动态负荷参数辨识中。IEEE的3机9节点标准模型仿真验证结果表明所应用的算法有效且可行。     

基于RLS法的锂离子电池离线参数辨识

提出一种基于递推型最小二乘法(RLS)算法改进的离线参数识别方法,采用RLS法作为离线参数辨识的初值,以解决离线辨识初值选择的限制,并能保证辨识结果的精度。采用RLS算法辨识参数,获取模型参数,仿真电压和实验电压最大误差达100 m V,但耗时仅120 s。采用Simscape模型的离线参数辨识方法,最大误差58 m V,耗时1. 8 h;利用RLS算法获取初值,用离线参数辨识方法,最大误差为31 m V,平均误差15 m V,耗时0. 5 h。辨识精度与辨识速度都有明显的提升。     

基于RLS算法的过热汽温闭环辨识方法研究

在火电机组运行过程中,出于系统运行稳定性与安全性的考虑,很难在开环条件下进行过热汽温对象模型辨识.而在闭环条件下,由于不可测噪声通过反馈环节与控制输入信号相关,用常规开环辨识算法进行建模将产生较大的估计误差.为克服闭环辨识中噪声的影响,提出了基于RLS(recursive least squares,递归最小二乘)算法的两阶段闭环辨识方法.该方法将闭环辨识问题转换成两个开环环节进行信号处理,通过RLS滤波器的噪声消除构造出无噪声污染的中间信号,再将其应用于RLS滤波器进行模型辨识,达到精确建模的目的.将该方法应用于过热汽温对象的闭环辨识,仿真结果表明该方法建模精度高,能达到满意的辨识效果.     

基于FF-MILS的锂离子电池模型参数辨识

以三元正极材料锂离子电池为研究对象,选用二阶RC电池模型,采用遗忘因子多新息最小二乘算法(FF-MILS)进行在线参数辨识.比较带有遗忘因子最小二乘算法(FFRLS)与遗忘因子多新息最小二乘算法辨识结果估计的端电压与实测端电压的绝对误差,以验证参数辨识效果.实验结果表明,在城市道路循环工况(UDDS)下,遗忘因子多新息最小二乘算法的平均绝对误差比未改进的算法减少了0.5％.     

基于粒子群-量子操作算法的同步发电机非线性模型参数辨识

为解决同步发电机三阶非线性模型参数辨识问题,在将参数辨识问题转化为非线性优化问题的基础上,引入粒子群优化(particle swarm optimization,PSO)算法.考虑到PSO收敛速度慢、参数辨识精度低,而量子粒子群优化(quantum particle swarm optimization,QPSO)算法收敛速度快、具有较好的全局搜索能力,将量子操作引入到PSO算法中,提出了粒子群-量子操作(particle swarm optimization with quantum operation,PSO-QO)优化算法.仿真试验结果表明,与PSO算法、QPSO算法相比,PSO-QO算法收敛速度快、参数辨识精度高、算法更为稳定;与经典扩展卡尔曼滤波(extended Kalman filter,EKE)方法相比,PSO-QO具有更强的鲁棒性,尽管强噪声条件下参数辨识精度有所下降,但效果仍优于EKF.     

基于参数辨识的永磁同步电机无位置传感器控制

针对电机运行过程中参数变化会影响永磁同步电机(PMSM)无位置传感器控制性能的问题,将递推的最小二乘法(RLS)用于PMSM参数的在线辨识,在最大转矩电流比控制策略下,使用基于BP神经网络改进的模型参考自适应系统构建无位置传感器控制方案,提出了基于在线参数辨识的PMSM无位置传感器控制方案。运用递推的RLS对PMSM的交轴电感和转子磁链进行在线辨识,并将参数辨识结果应用于电机无位置传感器算法中。仿真和试验证明了基于递推的RLS参数辨识算法可以对PMSM的转子磁链和交轴电感值进行准确辨识,基于参数辨识的PMSM无位置传感器控制方案性能更好。     

基于PSO优化最小二乘支持向量机的热工系统辨识

在用最小二乘支持向量机(LS-SVM)辨识大迟延对象时,正则化参数、核宽度以及模型类中的迟延时间多是根据经验估测的,而不同的参数值对最小二乘支持向量机辨识的精度就会不同.针对上述问题,采用粒子群优化(PSO)算法对热工辨识系统中的相关参数进行优化.对电厂一次风量数据和平均床温数据进行的仿真实验结果表明,在用LS-SVM对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳参数及迟延时间,能够有效地提高辨识精度.     

永磁同步电机在线参数辨识方法研究

针对在永磁同步电机参数辨识过程中,由于"数据饱和"和噪声影响,导致传统的递推最小二乘法存在参数估计误差大和收敛慢的问题。利用改进的递推最小二乘法提高参数辨识的精度和收敛速度,以满足伺服系统在不同工况下动态性能。首先,结合永磁同步电机数学模型,设计了一种折息递推最小二乘辨识算法,通过在传统的最小二乘法中引入"折息因子"增强了算法的灵活性。然后,通过对存在白噪声干扰的永磁同步电机模型进行辨识算法的动态仿真。最后,利用搭建的实验测试平台进行算法的实验验证。仿真和实验结果表明提出的折息递推最小二乘算法,在参数辨识过程中降低了旧数据对辨识结果的影响,增强了算法对噪声干扰的鲁棒性,提高参数辨识结果的准确性和实时性。     

锅炉汽温对象的在线模糊辨识

锅炉汽温对象具有明显的非线性和不确定性,在许多情况下很难用精确的数学模型来表达,或者所建立的非线性数学模型难以应用于汽温控制系统设计。该文以T-S模糊规则模型为基础,通过熵方法和竞争学习算法对输入空间进行聚类,利用递推最小二乘辨识算法(RLS)确定模型的结论参数,实现了汽温对象的在线模糊辨识。通过两台锅炉汽温对象在线辨识实例,验证了在线模糊辨识方法对于两类典型汽温对象的有效性,不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和跟踪能力。     

基于递推最小二乘法与模型参考自适应法的鼠笼式异步电机转子电阻在线辨识方法

为了能够实时准确地获取鼠笼式异步电机转子电阻,提出一种将递推最小二乘法(recursive least square method,RLS)与模型参考自适应法(model reference adaptive system,MRAS)相结合的转子电阻在线辨识方法。该方法首先推导基于dq0坐标系下标准最小二乘法形式的电机参数辨识模型,采用带遗忘因子的递推最小二乘算法辨识得出电机电感参数;然后将上述辨识得到的电感值作为基于瞬时无功功率的模型参考自适应系统中的电机常数,并采用基于波波夫超稳定性理论设计的PI自适应律,实现不同运行状态下的转子电阻在线辨识。以一台5.5 kW异步电机为例进行了仿真与实验研究,仿真结果表明,文中方法适用于转速波动明显且转子电阻变化较大的复杂运行工况,且具有计算量少、准确度高以及较好的动态跟踪辨识性能;进行不考虑温升与考虑温升的转子电阻在线辨识实验对比,验证了文中方法的正确性与有效性。     

基于IGG准则的抗差最小二乘输电线路参数辨识

针对实测数据中会存在粗差而传统最小二乘不具备抗差能力,本文将IGG(Institute of GeodesyGeophysics,Chinese Academy of Sciences)抗差方法应用到输电线路参数辨识中,提出了基于IGG准则的抗差最小二乘的输电线路参数辨识方法。具体的,本文在介绍基于双端PMU(Phasor Measurement Units)数据的线路线性数学模型和相应的最小二乘辨识的基础上,通过对目标函数的改造,引入基于IGG法的抗差准则,即对有效的观测信息保权,对可利用观测信息降权,对有害观测信息拒绝,从而使得改造后的最小二乘方法具备了较强的抗差能力。基于PSCAD仿真数据的测试验证了本文方法的有效性、抗噪能力及抗差能力;基于实测PMU数据的运行参数辨识结果表明了本文方法的实用性。     

磁悬浮电励磁三相直线同步电机离线参数辨识

建立磁悬浮电励磁三相直线同步电机(MSEE-TPLSM)的连续时间参数型状态空间方程数学模型,利用前向一阶差分方法将连续时间数学模型离散化成离散时间参数型状态空间方程数学模型,再利用z变换写成递推最小二乘算法标准形式的数学模型。利用递推最小二乘算法在初级转子静止状态下辨识出MSEE-TPLSM的电阻及自感参数。利用计算机数值仿真软件仿真MSEE-TPLSM参数的离线辨识算法,得到MSEE-TPLSM的初级与次级电阻与电感时域辨识曲线,仿真曲线收敛速度较快且辨识精度较高。仿真结果验证了该参数离线辨识算法的有效性。     

基于改进的ARMA递推算法的低频振荡模式在线辨识

为提高电力系统低频振荡现象的实时监测水平,提出采用一种基于自回归滑动平均模型的两段加权递推最小二乘算法进行低频振荡模式辨识,并通过估计ARMA谱的方法以提取低频振荡的主导模式。该改进算法先采用加权递推最小二乘算法拟合高阶AR模型单独得到白噪声估值,再将该估值用于常规加权递推最小二乘算法中,提高了算法参数辨识的精度和收敛速度。New-England 39节点系统的时域仿真测试验证了该改进算法对低频振荡模式辨识的有效性,并通过与常规加权递推最小二乘算法辨识效果的比较验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度。最后通过对某电网PMU实测数据的辨识分析,验证了该改进算法能够准确地辨识系统的低频振荡主导模式频率和阻尼比,具有实际的工程意义。     

一种高精度锂离子电池建模方案研究

在电池管理系统中,二阶Thevenin等效电路模型是一种广泛应用的锂离子电池模型,合理的RC环节可以准确地描述电池的动态特性。电池模型的具体参数一般通过递推最小二乘法(recursiveleastsquare,RLS)在特定工况下辨识得到。直接采用RLS算法进行参数辨识通常无法得到2个有效的RC环节参数,使得电池模型精度与适用性存在一定局限性。针对该问题,文中设计一种新型复合参数辨识工况,并基于此工况提出一种融合约束因子的递推最小二乘法用于电池建模。该方案同时参考2种具有代表性的工况数据,可同时获得SOC-OCV曲线及各荷电状态(stateofcharge,SOC)下电池模型的参数。经验证,该方案构造的电池模型在全SOC周期内,对不同电流的工况适应性较强,SOC估算精度较高。     

无传感器永磁同步电机参数辨识技术的研究

随着使用环境和工作负荷的变化,永磁同步电机(PMSM)参数的变化较大,有必要对电机参数进行在线辨识。采用扩展反电势(EEMF)法对PMSM转子位置和转速进行估算,提出一种基于递归最小二乘法(RLS)的PMSM电感在线辨识方法。经过仿真分析各种电机参数对电机转子位置估算精度的影响,在保证辨识精度的前提下,精简了参数辨识算法。仿真和实验结果验证了该方法的有效性。