重载机车滑模极值搜索最优粘着控制研究

为解决因轨面潮湿、雨雪外界条件变化等因素影响轮轨粘着特性而导致重载机车牵引力不能有效发挥的问题,提出一种基于滑模极值搜索的超螺旋滑模最优粘着控制算法。首先建立重载机车动力学模型;然后根据极点配置法设计全维状态观测器实时估计轮轨粘着系数,采用滑模极值搜索算法实时搜索出变化轨面的最佳蠕滑速度,并应用微分跟踪器跟踪最佳蠕滑速度导数;进而采用超螺旋滑模控制算法设计控制器使重载机车运行于最佳粘着点附近。仿真结果与传统滑模控制相比,粘着系数搜索到实际最优值的时间提前10 s,转矩误差保持在3%内;所提出的控制方法能够快速搜索到不同轨面下的最佳蠕滑速度,实现了重载机车的最优粘着控制。     

汽轮机调速系统参数辨识软件设计

为了便于开展汽轮机调速系统仿真模型参数辨识工作,以MATLAB软件开发平台及差分进化算法为基础,研发了汽轮机调速系统参数辨识软件,通过仿真应用验证了该软件能够根据汽轮机负荷扰动试验数据快速计算出调速系统的各项性能参数,为电力系统稳定计算提供准确的仿真数据。     

负荷建模的多目标优化

改进了传统负荷参数辨识的目标函数,将现有负荷模型参数辨识的单目标优化问题转化成多目标优化问题,并在改进强度Pareto进化算法的基础上引入并行遗传算法的思想,进行多目标参数辨识,力求克服目前困扰负荷建模及其参数辨识中收敛速度慢、易发散等问题。解决了以前算法只能辨识出一组参数的问题,便于决策者根据不同侧重进行参数选取。高效、高精度的并行算法为网格平台下的负荷建模做了前期准备。最后,对上海地区的负荷进行实测建模,结果表明所述建模策略的可行性。     

EKF在机车最优黏着控制中的应用

为了使机车工作在最优黏着状态,提出了一种基于扩展卡尔曼滤波(EKF)的滑模控制算法。首先以轮轨动力学及机车黏着模型为基础,利用EKF对机车的轮对速度和车体速度进行近似估计;然后为了克服外界干扰对系统的影响,提出了一种基于指数收敛干扰观测器的滑模控制算法;同时考虑轮轨最优蠕滑速度未知的问题,根据机车黏着模型设计一种搜索算法用于跟踪搜索当前路况的最优蠕滑速度。仿真试验结果表明,基于EKF的滑模控制算法可以有效提高机车运行的稳定性并且提高黏着利用率。     

基于DSLPSO算法的超级电容参数辨识

针对超级电容模型多参数辨识问题以及传统辨识算法收敛精度差,收敛速度慢问题,提出基于动态自学习粒子群算法的超级电容参数辨识方法.根据超级电容等效电路模型,采用双线性变换进行离散化获得辨识模型,使用动态自学习粒子群算法辨识各分支的参数.仿真结果分析表明,与基本粒子群、自适应惯性权重粒子群对比分析,基于动态自学习粒子群算法的超级电容参数辨识方法收敛速度快、收敛精度高、全局寻优能力强,可以更准确地反映出超级电容的动态特性.     

基于正交投影与多新息RLS的PMSM参数辨识

针对永磁同步电机参数辨识过程中收敛速度慢的问题,提出基于正交投影与多新息递推最小二乘相结合的算法来估计永磁同步电机参数。选择永磁同步电机四阶非线性状态空间模型的数学方程,将此模型改写为线性回归模型的形式,省略线性化过程。在仿真过程中加入噪声到电机的运行系统中,来模拟真实的电机运行环境,然后将正交投影与多新息递推最小二乘的结合算法分阶段配合应用于永磁同步电机的线性回归模型中进行参数辨识。辨识结果显示出了该结合算法的有效性。     

汽轮机调速系统参数辨识方法研究

为使电网稳定计算中所用的汽轮机调速系统模型技术参数准确可靠,文中以MATLAB软件开发平台及差分进化算法为基础,研发出了一套汽轮机调速系统仿真建模及参数辨识软件。软件提供了BPA、PSS/E、PSASP三种标准调速系统仿真模型以及模型自定义功能,能够根据汽轮机负荷扰动试验数据快速准确地计算出调速系统的各项性能参数,为电力系统仿真计算提供准确的参考数据。     

嵌入式永磁同步电机自适应在线参数辨识

针对嵌入式永磁同步电机参数辨识问题,提出一种自适应在线参数辨识方法,可在同一模型中对定子电阻、d轴电感、q轴电感和永磁体磁链进行辨识.该方法基于模型参考自适应系统,在同步旋转d-q坐标系下,构造出q轴电流自适应观测器,利用q轴电流观测误差,借助Lyapunov超稳定理论建立参数的辨识模型并推导出待辨识参数的自适应律,保证了特定条件下系统的稳定性和辨识参数的收敛性,解决了参数在线辨识算法的鲁棒性差、算法复杂等问题.仿真和实验结果表明,辨识参数能够在较短的时间内收敛到真实值附近,并且具有较小的误差.     

特高压变压器模型漏感参数的稳态识别方法

针对变压器参数辨识算法在系统稳态运行时变压器绕组参数具有不可辨识性的特殊问题,本文提出了全新的参数辨识算法模型和基于自相关函数统计量的参数辨识结果判别标准。并使用EMTP仿真工具,依据动模实验室特高压输电系统,搭建了特高压输电系统仿真模型,分别仿真了特高压变压器空载投入、区外故障、区内故障和正常运行时的各种运行状态,验证了在各种工况下,基于新模型的参数辨识算法都能够精确辨识出变压器绕组参数的真实值。     

基于并行混沌优化算法的永磁同步电机多参数辨识

为提高永磁同步电机(PMSM)系统多参数辨识的精度,实现PMSM的高性能控制,研究了一种并行混沌优化算法。针对一些PMSM多参数辨识方法由于数学模型欠秩问题而导致辨识结果的不确定性以及混沌优化算法对初始值敏感的缺陷,将并行混沌优化算法应用到PMSM多参数辨识中。分别采集在实际PMSM模型i_d=0和i_d≠0控制条件下的数据,从而构建PMSM四阶d,q模型,解决了状态方程辨识电机多个参数时存在的欠秩问题;确定合适的并行数,从多个初始值同时出发进行全局搜索,克服了混沌优化算法对于初始值敏感、易陷入局部最优的缺陷;根据目标函数值,得到PMSM参数辨识的最优结果。该方法可满足在同一PMSM四阶模型中对定子电阻、d,q轴电感和永磁体磁链进行辨识。通过仿真实验进行验证,该算法相比较混沌优化算法具有稳定性好,收敛速度快,辨识效率、精度较高的优点。     

基于多新息最小二乘算法的电力线路参数辨识

随着电力系统的建设和发展,电网结构日益复杂,由于线路长期运行、周围环境变化等原因导致原有的线路参数模型与实际线路参数存在偏差,从而影响电力系统的实时监控和优化运行。考虑到电力系统输电线路中的数据采集与监控(SCADA)系统量测充足,提出基于多新息最小二乘(MILS)算法的线路参数辨识模型,实现全网线路的准确辨识和校正。首先,利用实时数字仿真(RTDS)系统搭建IEEE 39节点电力系统仿真模型,获得潮流运行数据;然后,在Matlab中进行参数辨识,将辨识结果与RTDS中的线路参数进行对比。结果表明,基于MILS算法的参数辨识结果具有较高估计精度,可作为电力系统可疑线路判断依据。     

基于ABC-RFEKF算法的锂电池SOC估计

准确、可靠的荷电状态(SOC)估计可以为电池管理系统的安全高效使用提供保障.针对锂电池SOC估计精度不足的问题,提出人工蜂群算法(ABC)和随机森林优化EKF算法(RFEKF)分别实现电池模型的参数辨识和SOC估计.在建立双极化模型的基础上,为解决在线辨识初始误差累积的问题,采用ABC算法搜索最小模型电压误差下的全局最...     

Hierarchical recursive signal modeling for multifrequency signals based on discrete measured data

This paper studies the problem of parameter estimation for the multifrequency sine signals, which have multiple characteristic parameters such as the amplitudes, phases, and frequencies. It is noted that the signal output is nonlinear with respect to the phase and frequency parameters while it is linear with respect to the amplitude parameters. This feature inspires us to separate all of the characteristic parameters into a linear parameter set and a nonlinear parameter set, where the linear set is composed of the amplitude parameters and the nonlinear set is composed of the phase parameters and the frequency parameters. After the parameter separation, two identification submodels are constructed for optimizing the linear parameter set and the nonlinear parameter set. Then the nonlinear identification model becomes a linear identification submodel and a nonlinear identification submodel. Therefore, the nonlinear optimization for minimizing the objective function is converted into the combination of the quadratic optimization and nonlinear optimization. Based on the separable identification submodels, a recursive least squares subalgorithm and a recursive gradient subalgorithm are proposed for identifying the linear parameters and nonlinear parameters, respectively. Moreover, an interactive estimation algorithm is designed to remove the related parameter sets between the subalgorithms and a hierarchical identification method is presented by combining the subalgorithms. For the purpose of tracking the time-varying, a forgetting factor is introduced to improve the convergence speed. The numerical examples are provided to qualify the performance of the proposed method based on some performance measures.     

Maximum likelihood-based adaptive differential evolution identification algorithm for multivariable systems in the state-space form

Parameter estimation plays an important role in the field of system control. This article is concerned with the parameter estimation methods for multivariable systems in the state-space form. For the sake of solving the identification complexity caused by a large number of parameters in multivariable systems, we decompose the original multivariable system into some subsystems containing fewer parameters and study identification algorithms to estimate the parameters of each subsystem. By taking the maximum likelihood criterion function as the fitness function of the differential evolution algorithm, we present a maximum likelihood-based differential evolution (ML-DE) algorithm for parameter estimation. To improve the parameter estimation accuracy, we introduce the adaptive mutation factor and the adaptive crossover factor into the ML-DE algorithm and propose a maximum likelihood-based adaptive differential evolution algorithm. The simulation study indicates the efficiency of the proposed algorithms.     

基于递推最小二乘离散辨识法的飞轮储能系统无位置控制方法

为了提高飞轮储能系统无位置传感器控制性能,飞轮电机必须具有参数辨识和参数自整定的功能。因此,提出一种基于递推最小二乘离散法在线辨识未知参数的转子位置扩张观测器,以使位置观测环节具有较强的鲁棒性能。首先,建立飞轮电机数学模型并进行离散化分析,在此基础上,采用通过将反电动势估算值反馈引入到非线性扩张观测器计算中的转子位置估算方法。随后,将基于递推最小二乘辨识算法应用于飞轮电机离散模型并可同时辨识定子电阻、交直轴电感等关键电磁参数,以便消除因飞轮电机模型误差引起的转子位置估算误差,提高系统无位置检测性能。最后,搭建基于DSP2812的硬件实验平台。仿真和实验结果表明所提算法对未知参数的辨识具有一定的准确性和实时性,可实现对飞轮储能系统的无位置传感器运行控制。     

电铁负荷特性对微机保护启动元件的影响研究

为研究电铁负荷对微机保护启动元件算法的影响,根据某区域电网实际参数,利用PSCAD建立了典型电气化铁路牵引系统模型,及微机保护中相电流突变量启动、相间电流突变量启动及半周电流积分启动三种常见启动元件的数学模型。在此基础上,结合电铁负荷的特性,从理论上分析了电铁负荷对三种算法的影响,并进行了数字仿真验证,得出电铁负荷对各启动算法影响的相关结论,为在电铁负荷较重地区装设的微机保护装置启动元件算法选择提供了理论依据。     

Three-stage least squares-based iterative estimation algorithms for bilinear state-space systems based on the bilinear state estimator

Because of the product item of the control input and the state vector, the identification of bilinear systems is difficult. This paper considers the combined parameter and state estimation problems of bilinear state-space systems. On the basis of the observability canonical form and the model transformation, an identification model with a linear combination of the system parameters is obtained. Using the hierarchical principle, the identification model is decomposed into three submodels with fewer variables, and a three-stage least squares-based iterative (3S-LSI) algorithm is presented to estimate the system parameters. Furthermore, we derive a state estimator (SE) for estimating the unknown states, and present an SE-3S-LSI algorithm for estimating the unknown parameters and states simultaneously. After that, the least squares-based iterative algorithm is presented as a comparison. By analyzing the estimation results and the calculation amount, these two algorithms can identify the bilinear system effectively but the 3S-LSI algorithm can improve the computational efficiency. The simulation results indicate the effectiveness of the proposed algorithms.     

超级电容快速在线参数辨识及状态估计

传统的超级电容三支路RC等效电路模型在快速充放电过程中并不能很好地描述超级电容充放电特性,且三支路RC等效电路模型参数在线辨识困难.为了提高快速充放电工况下超级电容状态估计和参数辨识的准确性,提出了基于简化模型和EKF的状态估计和参数辨识方法.首先,通过对快速充放电工况下模型简化可行性分析,在满足精度要求的前提下将三支...     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。