以最小二乘法自动拟合传感器特性曲线

本文介绍了采用最小二乘算法对传感器的输出输入校准数据进行直线拟合的方法.根据该法编制了微型机实验数据自动拟合程序.该程序既能从实验校准数据自动给出最小二乘拟合的直线方程,又能计算出传感器的灵敏度、线性度等特性指标.以例说明了该法和自动拟合程序的实用价值.     

并网光伏数据采集系统设计及误差修正

开发了一套具备数据采集、分析处理、测量结果校准等功能的太阳能并网光伏数据采集系统.为解决零点漂移、元器件非线性等因素造成的测量误差,论文提出了一种基于分段最小二乘法的数据校准算法.通过计量标准表建立光伏数据采集系统的标准值,利用分段最小二乘拟合法对系统测量结果进行校准,由标准测量值与校准值相比,判断系统是否达到设计要求.实验结果表明,基于分段最小二乘拟合法可以有效补偿系统的测量误差,与未经校准的测量数据对比发现,所设计的光伏并网数据采集系统和校准算法,将测量误差减小了89.6％,测量精度得到有效提高.     

VME数据采集模块设计与校准方法研究

数据采集模块是自动化测试系统的重要组成部分,其采集数据是否准确直接影响到整个测试系统的性能.主要介绍了基于VME总线的数据采集模块的设计和采用FPGA实现数据采集控制与校准.为了提高数据采集模块的转换精度和校准速度,用最小二乘线性拟合的方法设计模块的校准参数并且在FPGA内部实现校准模型.实验表明该校准方法能快速有效地...     

膛压测试仪模拟环境因子校准的数据拟合方法研究

针对膛压测试仪环境因子校准中的数据处理采用最小二乘法进行线性拟合，忽略异常值影响的问题，作者采用最小距离平方和法和加权最小二乘法两种方法分别对校准数据进行拟合，从F显著性检验和样本可决系数两个方面对仿真结果分析，并与最小二乘法相对比，找到更适合在高温高压高冲击的恶劣环境下采集的数据进行拟合的可方便使用的方法来代替最小二乘法，从而获得置信度高、可为武器身管设计提供数据依据的灵敏度系数。仿真结果表明，最小距离平方和法拟合效果最优，但其精度与最小二乘法相差很小，综合考虑最小二乘法因其使用简便更适合对膛压的校准数据进行线性拟合。     

潜油电泵机组及井下传感器状态监测技术研究

建立了基于电力线载波通信的井下多参数状态监测系统结构,提了基于RBF网络时序预测的传感器状态监测方法,引入最近邻聚类算法的思想,提出了一种K-均值聚类算法初始中心选取方法.该方法能够根据样本序列的变化,自动调整初始聚类中心半径的大小,保证精确度的同时可提高计算速度,提出了一种根据故障传感器输出特性参数的变化对井下传感器故障类型进行分类的新方法,对提出的状态监测系统及传感器监测方法及技术的有效性进行了实验研究.实验结果验证了所提出方法的有效性.     

基于递阶G-K聚类的热工过程多模型建模方法

针对热工过程分段线性化的特点,本文提出一种新的基于递阶模糊聚类的热工过程多模型建模方法。首先基于递阶G-K模糊聚类对系统输入／输出数据空间进行快速聚类分解,避免了聚类数确定的盲目性;然后在每个子空间中利用最小二乘法辨识出相应的线性子模型,再将各子模型通过模糊加权求和以得到精确的系统全局模型。同时,为保证各聚类子空间内样本的“线性化度”,采用新的综合聚类指标,并利用免疫遗传算法来求解该聚类问题,以克服迭代算法易陷入局部极小和对聚类初始化敏感的缺点。该方法能充分利用运行数据中所包涵的对象动态特性信息,以描述过程的全局非线性。最后通过几个典型实例验证了该方法的有效性、准确性。     

非线性偏最小二乘回归在电力负荷预测中的应用

非线性(二次多项式)偏最小二乘既能够解决线性偏最小二乘只能提取线性成分的问题,它又借鉴了偏最小二乘回归方法能够有效地解决自变量集合多重相关性的问题,因而它更具有先进性,其计算结果更为可靠.本文将二次多项式非线性偏最小二乘回归应用于泉州地区的电力负荷预测.文章还将二次多项式偏最小二乘的预测结果并线性偏最小二乘和logistic模型的预测结果进行比较,实例预测结果表明,非线性偏最小二乘具有较高的预测精度,它能满足实际工程的要求.     

电力线路工频参数测量装置中通道测量误差的多重校准方法

分析了电力线路工频参数测量装置中相差测量对阻抗测量精度的影响,在此基础上提出将基于最小二乘原理的分段线性数据拟合方法应用到装置通道的校准中,实现包括通道幅值、相差及幅值一相差关系的多重校准的新方法。该方法通过分段线性拟合建立测量值和实际值的关系函数实现测量数据的校准,原理简单、校准效果好,对电力现场的多种参数测量有一定参考价值。     

基于遗传算法和线性神经网络的浓度传感器输出特性拟合

针对最小二乘法、分段线性化、神经网络等拟合方法的不足,提出了解决浓度传感器输出特性拟合和在线标定的遗传神经网络方法.该方法首先使用遗传算法优化线性神经网络的权值,再用神经网络对浓度传感器的输出特性进行拟合,提出遗传进化停滞算子与自适应变异方法,实验验证该方法的有效性.当环境条件发生变化时,只要测量几组数据对,该方法可自动重新训练网络,获得新的多项式系数,实现浓度传感器的在线动态标定.     

基于蚁群优化的超声波电动机系统动态模糊辨识建模

超声波电动机系统的模型是设计电机运动控制器的重要前提.给出了超声波电动机系统的模糊建模方法,分别采用蚁群算法和最小二乘方法获取隶属函数及模糊规则的待定参数,建立了能够表征超声波电动机系统非线性动态关系的二输入单输出Takagi-Sugeno模糊模型.     

瞬态恢复电压波形参数提取算法的研究

采用一种基于最小二乘原理和牛顿迭代原理的方法计算了一种瞬态恢复电压波形参数,对于电压波形中不同的参数采用不同的多项式进行了局部拟合计算。结果表明,此方法具有较好的精确度。     

基于最小二乘支持向量机和负荷密度指标法的配电网空间负荷预测

传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负荷预测方法。该方法首先引入模糊C–均值算法把各类用地性质负荷聚类为几个等级,建立比较精确的负荷密度指标体系;然后根据待预测地块的规划属性,在体系中为LS-SVM预测模型选出与预测样本特征更为相似的样本进行训练,提高LS-SVM的泛化能力和预测精度;采用遗传算法对LS-SVM预测模型的参数进行自动优化,进一步提高预测模型的适应性和预测精度,实例验证了该方法的实用性和有效性。     

基于非线性拟合单位电流最优输出功率的永磁同步电机位置估计误差补偿策略

针对永磁同步电机(permanent magnet synchronous motor, PMSM)参数变化影响转子位置估计精度问题,提出了一种基于单位电流最优功率输出的位置估计误差非线性补偿策略。首先,分析了电机参数误差特别是电感误差对位置估计精度的影响,建立了位置估计误差与单位电流输出功率的关联模型,推导出电感误差与最优输出功率的关系模型。然后,结合功率模型构建了基于多项式的电感误差非线性模型,利用少量测试点拟合该多项式模型,即可辨识电感误差用于准确补偿位置估计误差。所提方法实现简单,不依赖电机参数,能有效克服噪声干扰。最后,仿真与实验结果验证了提出补偿策略的有效性。     

基于正交多项式拟合的PMU现场测试参考值计算方法

为给现场运行的同步相量测量装置(phasor measurement unit,?PMU)性能分析提供准确的相量参考值,保证其数据质量,提出了基于正交多项式拟合的高精度相量测量方法。该方法利用Legendre多项式的正交性特点,对信号模型进行Legendre多项式拟合,以此来构建一种基于Legendre多项式的正交拟合相量模型。在此基础上,通过分析对比不同拟合参数求解方法的复杂度,提出了基于Cholesky分解的相量参考值计算方法,为非线性拟合参数求解计算量大的问题提供一种新的解决方法,并通过迭代修正来保证测量精度。进一步地,根据分析揭示的最优窗长和拟合阶数,实现算法的高精度测量和高效率计算。仿真与硬件测试表明,测量精度均满足标准要求10倍及以上,可在硬件中实时稳定运行,并为PMU现场测试校准提供参考值。     

基于协同训练与LS-SVM的集成传感器在线温度补偿

为利用机器学习对集成传感器实现在线补偿,使算法具有标定未知样本和更新样本集的能力,利用协同训练的方式,对最小二乘支持向量回归机进行改进,提出基于协同训练的支持向量回归算法,使用临近法对未知样本进行标定和选择,同时对新的样本空间进行剪枝,在保证反映新样本特性的前提下尽量减少对学习模型影响小的样本数量。实验证明,该算法在泛化能力不下降的情况下提高了回归精度,运用在集成传感器的在线补偿上,能降低获的成本,并取得良好的补偿效果。     

一种新的动态聚类算法及其在热工过程模糊建模中的应用

文中提出的新型动态进化聚类算法克服了传统模糊聚类建模算法须事先确定规则数的缺陷。它通过改进的遗传策略来优化染色体长度，以实现对聚类个数进行全局寻优；同时，利用FCM算法加快了聚类中心参数的收敛：此外，通过引入免疫系统的记忆功能和疫苗接种机理，新算法得以快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型，可以同时得到合适的模糊规则数和准确的前提参数。仿真实例验证了文中动态模糊聚类建模算法的有效性，将其应用于热工过程可获得高精度的非线性模糊模型。     

A fuzzy C‐regression model algorithm using a new PSO algorithm

In this paper, a new methodology is introduced for the identification of the parameters of the multiple‐input–multiple‐output local linear Takagi‐Sugeno fuzzy models using the weighted recursive least squares (WRLS). The WRLS is sensitive to initialization, which leads to no convergence. In order to overcome this problem, adaptive chaos particle swarm optimization is proposed to optimize the initial states of WRLS. This new algorithm is improved versions of the original particle swarm optimization algorithm. Finally, comparative experiments are designed to verify the validity of the proposed clustering algorithm and the Takagi‐Sugeno fuzzy model identification method, and the results show that the new method is effective in describing a complicated nonlinear system with significantly high accuracies compared with approaches in the literature.     

电路瞬态过程中响应模型的参数估计

当电路瞬态过程的电压或电流响应是以离散数据点给出时,为了测量响应模型的各个参数,提出了一种基于曲线拟合的利用非线性最小二乘优化进行参数估计的算法。首先构造二乘残差目标函数,给出各个参数初始值的计算方法,然后采用拟牛顿法搜索目标函数的极小值。该方法可以一次性求出模型的全部参数。模拟算例和仿真结果表明:算法的稳定性较强,收敛速度和计算精度都较高。