基于强跟踪滤波器训练的前向神经网络及其在系统辨识中的应用研究*

给出基于强跟踪滤波器训练前向神经网络的新方法。由于强制残差序列保持相互正交,强跟踪滤波器相对扩展Kalman滤波的收敛速度更快,同时精度更高。最后通过系统辨识仿真实例验证该方法的有效性。     

基于RLS-DLUKF算法的锂电池SOC预测方法研究

本工作以钴酸电池为研究对象,针对锂电池在复杂工况下电流的剧烈变化导致荷电状态(SOC)无法有效预测的问题,建立了以精确参数为基础的双层无迹卡尔曼滤波算法(DLUKF)架构来更精准的估算SOC.首先,以脉冲功率特性实验数据获取二阶电路模型中电池开路电压与荷电状态的函数关系及特性曲线;其次,为增强模型辨识过程中的自适应学习能力并解决模型参数估计不准确的问题,应用递推最小二乘(RLS)算法在线准确地识别出模型中的未知变量;最后根据输入的变量信息,利用UKF算法相互嵌套形成的DLUKF算法实现对SOC的快速预测来解决单一的UKF算法在高阶非线性系统里估算不准确、精度低的问题.在UDDS工况和FUDS工况下对DLUKF算法和单一的UKF算法进行比较,通过对比分析两种算法估计出的SOC曲线、SOC误差曲线、端电压曲线及端电压误差曲线,表明DLUKF算法预测SOC的平均误差比UKF的低且预测精度更高.     

基于改进的CDKF锂电池SOC估计方法

准确估算荷电状态(SOC)可以为电池之间的均衡管理提供依据,延长锂电池组整体的使用寿命.针对中心差分卡尔曼滤波算法(CDKF)存在较大线性误差的问题,提出一种改进的CDKF算法.在原算法中引入迭代滤波思想,多次利用测量信息更新状态量估算值,使得观测信息不断迭代更新,基于LM优化方法不断修正协方差矩阵,有效减小了线性误差.首先基于二阶阻容(RC)电路单元模型,选择最小二乘参数辨识方法,辨识出模型阻容参数;然后进行HPPC实验,验证电池等效模型的准确性;最后分别在恒流放电和动态工况下应用改进后的CDKF算法对电池SOC和电压进行估计,并将估计结果与CDKF算法进行比较.两种工况下验证结果表明改进后的CDKF算法精度更高,SOC估计精度可提升1.16％,最大估计误差小于1.7％,算法收敛时间也比原算法短,改进后的CDKF算法在估计精度和鲁棒性方面均有所提升,更具有应用优势.     

复杂声学环境下语音空调语音降噪方法研究及应用

通过研究语音空调在复杂声学环境下的回声消除和混响消除方法,以此来解决远场语音空调识别率低及鲁棒性较差的问题.采用频域分块自适应滤波方法进行回声消除,对大混响环境优化收敛速度,设计基于时频掩码多通道线性预测方法来自适应降噪.首先使用深度学习技术来构建信号时频掩码模型,然后采用多通道线性预测自适应晚期混响抑制技术,结合掩码模型获取时频掩码信息,快速有效地抑制掉信号中混响成分,最后采用基于瞬态数据与特征值分解的空域滤波技术,结合掩码信息,准确估计多维空域信号导向矢量与噪声统计量,设计空域滤波器,有效抑制掉噪声干扰,提高识别鲁棒性.     

绝缘纸宽频介电响应阻容等效模型及纤维极化特性提取

纤维的极化特性是决定绝缘纸介电特性的关键因素之一,但是由于缺乏绝缘纸介电响应的计算模型,纤维在绝缘纸极化过程中的定量作用尚不明了,导致纤维的极化特性研究难以开展。为此提出了一种适用于绝缘纸这种复合材料的宽频介电响应阻容等效模型,并通过试验验证了其准确性。然后通过测量纤维素绝缘纸在25～100℃下的频域介电谱和所建立的模型计算出了纤维的介电特性。最后,利用修正Cole-Cole模型分析了纤维的介电频谱。结果表明,纤维的极化过程中存在3个弛豫过程,其中高频区以羟基转向极化为主,对应的活化能为0.176 eV;低频区源于电极极化,与纤维中自由离子的运动有关。该研究可为复合材料介电响应分析和合成绝缘纸改性提供关键参数和理论指导。     

基于FastICA技术与TLS-ESPRIT方法的电力系统低频振荡模态辨识

对于目前电力系统中低频振荡参数辨识中的噪声干扰和精度问题,提出了一种新的提取低频振荡模态参数的方法,将快速独立分量分析技术(fast independent component analysis,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signal parameters via rotational invariance technique, TLS-ESPRIT)联合起来。首先运用FastICA技术对含有噪声的电力系统低频振荡广域测量信号进行预处理而达到降噪效果,而后将处理后的信号作为新的输入信号利用TLS-ESPRIT算法进行估计辨识,从而得到各个模态特征参数。通过对理想信号、EPRI-36机系统和电网实测信号仿真验证了所提方法的有效可行性,不但能够有效抑制噪声并准确地辨识低频振荡参数,而且在抗干扰性和提取精度上与传统辨识方法相比来说是有一定优势的。     

基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识

低压配电网参数和拓扑缺乏维护,精度较低,阻碍了在此基础上的各种高级应用的可靠实现.为此,提出了一种基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识方法.首先,分析了现有基于线性电压回归的参数和拓扑辨识方法的不足.其次,基于线路的非线性电压降方程推导出任意两节点串、并联关系的判据,建立了基于节点多时段有功、无功负荷和电压幅值量测的非线性参数估计模型,提出了自下而上的参数估计和拓扑重建算法.最后,采用实际数据和低压配电网算例验证了所提方法的有效性.     

电力系统测控装置中功率频域算法优化

无功功率根据定义的不同,有多种不同的算法,但适合测控装置的频域算法计算过程复杂,引入误差的环节也较多.对此提出一种优化的频域算法,以减少计算环节,简化频域算法.首先,分析了频域算法中某固定频次下,有功功率和无功功率的算法,分解了计算过程.然后,通过对频域算法计算过程的拆解及三角函数转换,得出了电压、电流的实部、虚部与功率间的关系,得到了频域算法的优化算法.最后,将优化频域算法放入测控装置中运行,从试验数据可看出优化后的频域算法明显地减少了运算环节,降低了运算量,运算时间较优化前减少了约一半,同时经优化后的频域算法计算得出的功率值也能满足测控装置行业标准5‰的精度要求.     

基于电磁耦合注入的电力电缆局部缺陷在线定位方法

为了解决现有频域反射方法仅能在离线情况下对电缆缺陷进行定位检测的不足,提出了一种基于频域反射法和电磁耦合技术的电缆缺陷在线定位方法。首先,依据电缆分布参数模型对含有局部缺陷的电缆进行仿真建模,分析了不同电容变化程度的缺陷点与不同测试频率对电缆缺陷定位效果的影响。然后,探究了传感器结构对信号注入效率的影响。最后,分别在实验室105 m和500 m电力电缆上进行验证,在离线测试情况下,通过改变105 m电缆末端负载阻值,模拟不同电缆负载下的线路情况,并分析其对局部缺陷处和电缆末端处反射强度的影响。在带电测试情况下,通过串联谐振平台对500 m电缆进行通电,利用所提在线定位方法对该电缆进行测试,以检验所提方法的有效性。仿真及实验结果表明：相较于电缆离线定位测试方法,该方法能够在电缆通电的状态下,实现对电缆缺陷点的在线定位,且具有较高定位精度和识别灵敏度。     

神经网络在电液位置伺服系统中的应用

设计了基于BP神经网络的自适应PID控制器，该控制器充分利用了经典PID控制算法简单的特点，又利用了神经网络良好的自适应和抗干扰能力，通过神经网络的学习和对系统的在线辨识，自适应调整PID参数，使控制系统对参数变化表现出良好的鲁棒性和控制性能，并通过仿真证明了所设计系统的合理性。