基于速度观测器的GMS摩擦模型辨识与补偿

摩擦是伺服系统在低速运动时精度降低的主要非线性因素之一。采用基于模型的摩擦补偿可以有效地预测摩擦力,并实现误差补偿,因此利用可全面描述系统摩擦力的GMS摩擦模型预测伺服系统的摩擦力。为提高此模型参数的辨识精度,设计了全维速度观测器提供反馈速度信息,克服低速时速度测量误差带来的影响;并基于此观测器,给出了GMS摩擦模型的参数辨识的实验方法。为验证所提出的摩擦补偿及辨识方法的有效性,在一新型的空间大型末端执行器的拖动系统进行了拖动实验。实验结果表明,通过此摩擦模型补偿,可使拖动系统的位置跟踪精度优于0.02 mm,与具有固定参数的Stribeck摩擦模型相比,位置跟踪精度提高超过30%。     

改进的遗传算法辨识综合负荷模型

以基于实测数据的电力系统综合负荷建模为目标,研究了遗传操作和控制参数选择对遗传算法性能的影响。针对基本遗传算法的不足,设计了比例选择策略和线性自适应变异策略,对遗传算法的选择算子和变异算子进行改进,使得遗传算法能够根据个体自身的适应度值进行选择和自适应地调整变异概率,实现方式简单有效。选用TVA综合负荷模型,使用改进的遗传算法进行负荷模型参数辨识,同时在不改变负荷模型结构的前提下,通过调整待辨识参数及其取值范围,考虑无功补偿的影响。利用现场实测数据进行建模,结果表明,改进后的遗传算法改善了优化过程,对加速收敛、缩短辨识时间均有显著作用,适用于负荷建模。     

改进LuGre模型的挖掘机器人摩擦补偿控制

非线性摩擦会降低挖掘机器人电液伺服系统的动静态性能,引起轨迹爬行、平峰和稳态误差等现象。经典LuGre摩擦模型仅与速度有关,内部鬃毛状态变量无法准确测量,无法全面描述复杂的挖掘机器人电液伺服系统摩擦特性。本文综合考虑电液伺服系统位置、速度和方向等信息,设计了一种改进的LuGre摩擦模型,同时引入速度阈值解决了弹性鬃毛平均变形状态观测器不稳定问题。其次,为了解决传统优化算法陷入局部最优解、收敛速度慢等问题,通过引入惯性权重、异步变化和精英突变操作改进基本粒子群优化算法,以精准快速辨识出改进LuGre摩擦模型中的6个未知参数。最后,结合辨识出的摩擦模型,基于结构不变性原理设计前馈摩擦补偿控制器,并在23吨挖掘机器人进行了正弦和三角波不同工况下的轨迹跟踪实验。实验结果表明,传统的比例积分微分控制器跟踪误差最大,三角轨迹最大跟踪误差达到了29.68 mm,基于改进LuGre模型设计的前馈摩擦补偿控制器仅为9.70 mm,误差减小了67.31%,基于改进LuGre模型设计的前馈摩擦补偿控制器可以有效提升挖掘机器人的轨迹跟踪精度。     

基于改进遗传算法的双馈风电机组模型参数辨识

建立准确的风电机组数学模型是开展风电并网研究的基础,而风电机组模型的建立通常需借助于辨识建模。通过参数灵敏度分析确定模型中影响风机并网特性的关键参数,提出一种基于改进遗传算法的风电机组模型关键参数辨识方案。基于DIgSilent/Power Factory软件实现风机模型的搭建及并网特性的仿真,在Matlab环境下实现遗传算法的编写,并通过软件接口实现两种软件的数据交换,完成参数寻优。结果表明:经参数辨识后,所搭模型可准确地反应风机在低电压穿越中的并网特性;所提方案切实可行,为风电机组模型的参数辨识提供了一种有效的新方法,具有重要的工程使用价值。     

基于遗传算法的动力电池参数模型辨识

针对磷酸铁锂动力电池利用二阶等效电路模型建立电池动态模型,考虑电池的电势及温度特性,分析在不同充放电倍率下对电池模型参数的影响。基于新威BT400测试电池离线数据,采用遗传算法改进后的系统辨识获得全局最优解。实际实验得出,通过离线数据对辨识参数进行验证最大误差为1.2%,能较好地反映出电池的动静态特性。     

Delta算子离散模型辨识的性能分析

研究了Delta算子描述的离散系统参数辨识问题，基于Delta算子矩阵求逆引理，给出Delta算子递推最小二乘(DRLS)估计公式；分析了DRLS算法的参数误差和预报误差特性。所得结论将连续与离散模型辨识的有关结果统一于Delta算子框架。     

基于遗传算法的火电厂热工过程模型辨识

针对热工对象的特点及基本遗传算法存在的问题，提出了一种用于热工对象模型辨识的改进遗传算法，有效抑制了算法早熟，提高了算法的全局搜索能力和局部搜索能力。采用MATLAB语言编制了专用的模型辨识软件，对典型热工过程进行了辨识，给出了各种输入下的辨识结果，仿真研究表明，不管对象输入是阶跃信号，还是模拟现场操作的任意信号，都能得到准确的辨识结果，即使输入中含有较大的噪声信号，也可得到准确的传递函数。     

基于遗传算法的SCR氨流量模型辨识

介绍了遗传算法及其在火电厂热工控制中如何用于模型对象参数的辨识.采用遗传算法对脱硝反应器出口氮氧化物的流量响应的传递函数参数进行辨识,取现场数据进行拟合,比较拟合效果和传递函数的准确性.通过仿真得出了出口氮氧化物流量响应对于喷氨流量变化的传递函数,为SCR脱硝反应器的控制仿真研究提供依据.     

采用遗传算法提高神经网络模型辨识的精度

通过对简单ＧＡ的改进，提高神经网络模型辨识的精度与训练速度。同时克服神经网络易陷入局部极小值的缺点。使用实数编码，以神经网络的权值串级成个体。以数值优化计算的方便和精度为准则，并把相应的遗传操作改造成适合实数操作的形式，从而达到此单纯采用神经网络的反向传播法更加快速和高精度的目的。     

基于改进遗传算法的非线性励磁系统参数辨识

将大变异遗传算法应用于非线性发电机励磁系统的参数辨识,利用其较强的全局寻优能力辨识出发电机励磁系统参数估计值。其原理为:当某一代中所有个体集中在一起时就以一个远大于通常变异概率的概率执行一次变异操作,随机、独立地产生许多新的个体,使种群脱离早熟。比较每代中所有个体的最大适应度与平均适应度的接近程度,判断当代中所有个体的集中程度;对当代适应度最高的2个个体不进行大变异操作,以保证具有最大适应度的个体不被破坏掉。采用Matlab的Simulink模块建立仿真模型,算例试验结果表明,基于大变异遗传算法的励磁系统参数辨识方法速度快、精度高。     

基于遗传算法的超临界机组模型的参数辨识

以某厂1 000MW超临界机组为研究对象,采用实数编码自适应遗传算法对其模型进行了参数辨识,得到目标函数的全局最优解.所得传递函数能较好反映机组在额定工况条件下的动态特性,其结果为超临界机组协调控制的设计打下了基础.     

永磁球形电机Stribeck摩擦模型参数辨识

随速度变化的摩擦转矩使永磁式球形电机在跟踪控制过程中出现爬坡或抖动现象,影响跟踪控制精度且难以检测.结合Stribeck摩擦转矩模型提出一种基于粒子群算法(PSO)的参数辨识方法,建立起精简、准确的电机摩擦转矩模型.在电机动力学微分方程基础上加入摩擦转矩项,通过恒速摩擦转矩检测实验得到转速-摩擦转矩间的稳态对应关系;采...     

用遗传算法辨识加速度传感器动态模型参数

本文提出了一种遗传算法（ＧＡ）辨识加速度传感器动态数学模型参数的新方法。该方法以传感器时域动态性能实验数据为基础,通过ＧＡ优化来确定传感器传递函数参数。结果表明,这种方法具有较高的精度,且适用性广。     

低压载波通信信道模型的遗传算法多参数辨识

低压载波通信的发展要求有适合于信道仿真性能分析的传输模型。在已有传输模型结构的基础上,以实测数据为样本,将遗传算法应用于低压载波通信信道模型的多参数辨识,实现了较好的多参数辨识效果,为低压载波通信电力网的研究和设计打下了较好的基础。     

基于遗传算法的感应电动机稳态模型参数辨识

介绍了感应电动机传统的参数测试与识别方法,提出了基于遗传算法的感应电动机稳态模型参数辨识方法,利用实际所测的电动机电流和转速数据,结合感应电动机稳态模型电流特性方程,通过遗传算法进行曲线拟合得到电机稳态模型电流特性曲线及电机稳态模型各参数值。试验证明该设计参数辨识方法与传统测试方法相比,准确性和精度都有较大的提高,进一步验证了该设计方法的可行性和有效性。     

低压载波通信信道模型的遗传算法多参数辨识

低压载波通信的发展要求有适合于信道仿真性能分析的传输模型.在已有传输模型结构的基础上,以实测数据为样本,将遗传算法应用于低压载波通信信道模型的多参数辨识,实现了较好的多参数辨识效果,为低压载波通信电力网的研究和设计打下了较好的基础.     

基于育种算子的改进遗传算法的无功优化研究

电力系统无功优化是提高系统经济运行水平的有效手段.无功优化需要处理大量数据,而遗传算法能够有效地处理这些复杂问题.将育种算子应用于遗传算法,使算法不仅具有快速搜索、强鲁棒性等优点,而且收敛迅速、精度高.模拟仿真表明该算法具有收敛性好,适应性强等特点,具有较好的实用价值.     

基于改进算子的免疫遗传算法的电压无功优化

针对电压无功优化问题的特点和免疫遗传算法在求解全局性优化问题中的适用性,应用免疫遗传算法对系统进行电压无功优化。在编码时采用了实整混合编码形式,求抗体相似度时进行了归一化处理,在选择操作时对适应度函数进行了变换,合理的选择变换系数的值,可以保证算法在进化前期保持种群多样性,在进化后期仍能有较快收敛速度,并在交叉变异时实数段和整数段基因采取不同的措施。取IEEE-30节点标准系统为例,利用开发的优化计算程序进行电压无功优化计算,验证了所提出的算法较其他算法在计算和收敛能力上具有优势。     

基于修正Stribeck模型的摩擦补偿策略

针对传统Stribeck摩擦过补偿导致出现过零点处速度波动大、跟踪误差较大的问题,提出一种修正Stribeck模型。采用位置微分信号滤波后作为模型速度输入,在零速范围内引入修正因子,修正补偿值,削弱过补偿效果,加快系统低速换向时的速度响应,从而减小系统过零点速度波动及位置跟踪误差。在自主开发的单轴控制系统上对所提出的模型进行研究与验证,实验结果表明,采用修正Stribeck模型补偿后,系统低速换向时的速度波动及跟踪误差减小。     

改进遗传算法在电力系统稳定器参数辨识中的应用

针对基本遗传算法(SGA)收敛速度慢、易早熟等缺陷,从初始群体的生成、精英个体的保留、自适应的交叉率和变异率、早熟现象的防止策略等方面对SGA进行了改进,提出了一种基于改进遗传算法(IGA)的将电力系统稳定器(PSS)原模型转换成仿真软件下标准模型的参数辨识方法.通过建立含PSS的励磁系统原模型和标准模型传递函数结构框图,输入相同的扰动信号,以原模型和标准模型的输出误差最小作为辨识目标,利用IGA对PSS标准模型参数进行优化调整,最终得到满足要求的PSS标准模型参数.实际PSS参数辨识结果表明,该方法计算速度快,精度高,具有很好的效果.