基于ARMA模型的汇率走势预测及在商业银行外汇理财业务中的应用

汇率的变动，将对金融机构的外汇管理业务造成直接影响．由于影响汇率及其波动幅度的因素十分复杂，汇率波动频率较高，对汇率进行准确预测一直是一项十分困难的工作．近年来，ARMA模型开始被广泛地用于对变动频率较高的金融时间序列建模，它能较好地抓住此类时间序列的动态特征．以人民币汇率变动的历史数据为样本，通过建立MA（2）模型对未来的人民币汇率变动进行预测，以解决其在商业银行外汇理财业务中的应用问题．     

发电机励磁与汽门系统的改进神经网络逆控制方法

为提高发电机励磁汽门系统机端电压和转速的控制性能,提出了基于在线学习和扩张状态观测器(ESO)的改进神经网络逆控制方法.首先,将神经网络逆与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统.然后,基于自抗扰控制方法,设计了用于在线估计复合伪线性系统状态和扰动的ESO,并在设计的伪控制量中对扰动进行补偿,利用线性系统理论证明了ESO的收敛性和闭环系统的稳定性;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,结果表明,与传统的AVR/PSS方法和基于离线训练的神经网络逆控制方法相比,所提方法明显提升了电力系统的暂态性能.     

基于在线学习和ADRC的发电机励磁与汽门系统ANN逆鲁棒控制方法

为提高汽轮发电机组励磁与汽门系统机端电压和功角的控制性能,提出了基于在线学习和自抗扰控制(ADRC)的神经网络逆鲁棒控制方法.首先,将神经网络逆(ANN)与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统;然后,基于ADRC,设计了用于在线估计复合伪线性系统状态和扰动的ESO,解决了神经网络逆在线学习时训练样本获取的难题,并在设计的伪控制量中对扰动进行补偿,基于线性系统理论证明了ESO的收敛性并针对励磁子系统和汽门子系统与神经网络逆系统组成的伪线性复合系统分别设计整数阶PID控制器和分数阶PID控制器以实现闭环控制;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,与传统的AVR/PSS和基于离线训练的神经网络逆控制方法的比较结果表明所提方法明显提升了电力系统的暂态性能.     

基于滑模观测器与分数阶锁相环的无传感器PMSM矢量控制(英文)

提出一种基于滑模观测器与分数阶锁相环(FO-PLL)的无传感器永磁同步电机(permanent magnet synchronous motor,PMSM)矢量控制算法.首先用滑模观测器估计出反电势,然后设计FO-PLL对转子位置和速度进行估计.切换函数采用饱和函数代替开关函数,有效地削弱了滑模观测器存在的抖振.所提出的FO-PLL包含一个可调的分数阶次r,因此与传统锁相环(PLL)相比,该FO-PLL具有一个额外的自由度,传统PLL也可以看成是FO-PLL的一个特例.通过选择合适的分数阶次r,能够获得更好的转子位置和速度观测性能.仿真结果证明了所提方法的有效性.