基于改进RLS算法的永磁同步电机参数辨识

永磁同步电机(permanent magnet synchronous motor, PMSM)参数的在线准确辨识是实现电机高性能控制的基础,也为系统故障诊断提供了依据。传统递推最小二乘(recursive least square, RLS)法在辨识PMSM的d轴、q轴电感参数时对系统噪声、状态变化较为敏感,动态辨识稳定性不佳。文章在建立离散化辨识模型的基础上,提出了一种改进递推RLS算法,用于d轴、q轴电感参数的在线辨识。该算法在动态辨识过程中引入电流变化率,同时改进算法中的增益矩阵K,减小d轴、q轴辨识误差对电感修正产生的耦合影响。通过一台20 kW的PMSM仿真及实验,验证了改进的辨识算法能够有效提高参数的动态辨识效果。     

微生物间歇发酵比生长速率辨识及优化算法

根据微生物间歇发酵甘油生产1,3-丙二醇过程的特征及动态行为,建立了能够更好地描述微生物间歇发酵过程的含控制函数和参数的动力系统,证明了该系统的一些性质.以实验数据和计算值之间误差平方和最小为性能指标,建立了系统辨识模型.根据微生物生长特点,采用离散化方法将系统辨识模型转化为一个参数辨识问题.最后,构造了改进的粒子群算法求解.数值结果表明实验观测值和计算值之间的相对误差比已有研究结果降低了6%~16%,该系统能更好地模拟间歇发酵过程.     

制冷系统蒸发器动态过程数学模型模糊辨识

建立制冷系统动态过程数学模型是实现制冷装置优化控制的重要基础.制冷蒸发器是一类过程复杂的两相流动与换热系统,具有明显的非线性和不确定性,其精确的机理模型难以建立.该文通过熵方法和竞争学习算法对输入空间进行聚类,利用递推最小二乘辨识算法(RLS)确定模型的结论参数,实现了蒸发器动态过程数学模型的在线模糊辨识.通过仿真实例,验证了模糊辨识方法对于制冷系统蒸发器在线建模过程的有效性,所建立的模糊规则模型不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和在线跟踪能力.     

含有过程噪声的Hammerstein-Wiener模型辨识算法及其收敛性分析

针对含有过程噪声的Hammerstein-Wiener模型,提出一种偏差补偿递推最小二乘辨识方法.通过将偏差补偿引入到递推最小二乘算法中,在线辨识包含原系统参数乘积项的参数向量.并用鞅收敛定理证明偏差补偿递推最小二乘辨识算法的收敛性,分析表明在持续激励的条件下参数估计偏差一致收敛于零.仿真结果表明该方法优于递推最小二乘辨识方法.     

双率Hammerstein系统的极大似然递推辨识

针对一类双率Hammerstien系统的参数辨识问题,基于辅助模型辨识思想,利用极大似然原理和递推辨识技术,提出一种极大似然递推辨识算法.主要方法是针对模型中的未知输出构造一个辅助模型,用辅助模型的输出预测未知输出.该方法可以直接基于双率输入输出数据进行参数辨识.仿真实验表明,所提出的算法能有效地辨识双率Hammers...     

改进遗传规划算法在系统辨识中的应用

为了解决工业过程中数据丰富但机理不完全可知的非线性动态系统建模问题,提出了一种改进的遗传规划算法,以辨识模型结构和参数.该算法首先基于多层次辨识和反馈的基本思想,对系统进行多次辨识,直到把辨识误差缩小到可接受的范围;然后,采用最小二乘法估测模型参数,避免优良模型结构因低劣参数而被淘汰;最后,实施M估计技术,削弱强噪声对建模的影响,增强模型泛化能力.针对满足Lotka-Volterra方程的非线性动态系统进行建模仿真,试验结果表明该算法能较好地辨识满足Lotka-Volterra方程的一类非线性动态系统.     

硫酸焙烧炉模型的递推辨识与自适应控制

论述了硫酸生产过程听递推辨识与自适应控制的一种应用，硫酸沸腾焙烧炉是一个多输入输出系统，采用递推辨识和自适应控制技术，成功地将焙烧炉简化为一个动态单输入单输出系统，并实现了最优化控制，试验表明，该方法经济有效。     

基于 RLSM 的海洋无人航行器操纵性参数辨识

针对传统海洋无人航行器(unmanned marine vehicle, UMV)操纵性参数辨识过程中,采用经典最小二乘法的辨识精度对基础数据量的依赖性较高、辨识误差较大的问题,提出一种改进的递推式最小二乘法(recursive least squares method, RLSM)用于UMV的操纵性参数辨识.首先,推导了UMV的操纵性响应模型,基于四阶龙格-库塔法进行相应的数值仿真数据采集;然后,对所建立的辨识模型进行离散化处理,简化成标准的递推式最小二乘法模式,以便于进行参数辨识设计;最后,根据辨识结果进行5°、10°、20°、30°正弦和Z形的半物理仿真实验,结果验证了所提出RLSM辨识算法的有效性、可靠性和优越性.     

基于状态空间方程的油纸绝缘系统等效电路参数辨识

合理地辨识油纸绝缘系统等效电路的参数是绝缘老化特性分析的基础.根据回复电压测试原理,提出建立回复电压时域响应的状态空间模型,并利用控制理论中状态空间方程的求解方法结合自适应粒子群算法搜索出最优解,从而得到等效电路的未知参数值.利用国外学者所提供的一组300 MV·A油纸绝缘变压器不同充电时间下的回复电压响应曲线进行辨识,并将辨识结果所对应的回复电压曲线与测量曲线对比,二者重合度高,验证了计算模型及辨识方法的有效性.同时,分析了模型支路数不同时对辨识结果的影响,初步得出该台变压器选择6条支路辨识拟合效果最佳的结论.为油纸绝缘系统等值电路参数的辨识提供了一种新思路.     

一种复杂系统的模糊模型结构及递推辨识方法

提出了一种复杂系统的模糊模型结构及辨识方法．该模糊模型利用系统的输入和输出数据,将输入和输出空间视为模糊空间．根据辨识精度将模糊空间划分为ｍ 个子空间,每个子空间由线性模型来表征．由隶属函数将子空间模型联接成全局模型来表征系统的整体特性．隶属函数和子空间的模型参数由递推辨识方法实现．仿真结果表明,这种模型结构可以表达复杂系统的特征和辨识算法的有效性     

伺服驱动系统无模型自适应控制

高速高精的应用场合要求伺服驱动系统需要具备很好的动态响应性能和很强的鲁棒性来应对外界的干扰.但系统参数时变特性、不确定性以及非建模动态等因素导致伺服驱动系统的精确模型无法辨识得到.提出一种基于虚拟参考反馈校正的伺服驱动系统无模型自适应控制方法.该方法实时采集过程输入和输出数据,以当前系统运行状态的最新数据序列更新PI控制器参数,达到自适应控制的目的,保证系统的跟随性能.并且该方法结合稳定性约束条件以确保整定出来的伺服参数位于系统的稳定域内.仿真和实验结果表明,相比传统PI控制,提出的无模型自适应控制方法具有更好的动态响应性能、稳定性和鲁棒性.     

RBF网络在线辨识算法与应用研究

提出了一种确定RBF网络中心向量的动态递推算法 ,介绍了RBF网络线性层连接权值的递推最小二乘算法 ,利用这些算法对蒸发器过热度进行了在线辨识 ,同时对网络结构和算法的参数变化对辨识精度的影响进行了研究 .仿真结果表明该算法辨识速度快、精度高 ,可用于在线控制 .     

基于APSO算法的参数辨识与优化

将自适应粒子群优化（APSO）算法应用在系统辨识和参数优化中,定性地分析系统参数空间范围,把系统辨识和参数优化问题转化为参数空间寻优,利用APSO算法在寻优过程中有效避免局部最优的特点,在整个参数空间内并行寻找获得系统参数的最优解。通过对多种模型的仿真实验研究表明,APSO算法在系统辨识和参数优化问题中优于原有的GA和PSO方法。     

基于状态子空间辨识算法的双阶挤出系统动态特性建模研究

针对高聚物挤出发泡所用的双阶挤出系统中需要解决连接体压力稳定控制的动态建模问题,提出了一种用于双阶挤出系统预测的状态子空间系统辨识策略,该方法利用系统的输入输出数据成功辨识出了双阶挤出系统的动态模型,并将实际测量数据与辨识得到的模型仿真输出数据进行对比,结果验证了基于状态子空间的辨识算法得到的系统模型能很好地反映实际情况。     

含过程噪声的Hammerstein-Wiener神经模糊模型多信号源辨识

提出一种在过程噪声干扰下基于偏差补偿递推最小二乘法的Hammerstein-Wiener神经模糊模型多信号源辨识方法.通过三阶段组合式多源信号,实现了过程噪声干扰下HammersteinWiener模型中输入静态非线性环节、动态线性环节以及输出静态非线性环节的分离,提高了各串联环节模型参数的分离精度,避免了传统迭代分离方法中模型参数的收敛问题.在此基础上,利用补偿原理,提出基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型参数辨识方法,通过在递推最小二乘算法中引入修正项来补偿过程噪声引起的估计偏差,实现了模型参数的无偏估计.理论分析与仿真实验的结果表明,所提出的方法具有较好的有效性.     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

惯性特征系统最速特征模型PID控制参数辨识

以惯性特征系统作为研究对象,针对常规PID控制器参数的设置问题提出了基于系统最速特征模型的辨识算法,该算法利用惯性特征系统的输入输出特性,通过最小二乘法辨识出系统的一阶特征模型,然后再根据一阶特征模型、控制律和系统的动、稳态性能的要求辨识出系统的二阶最速特征模型,同时也计算出PID控制器的参数.仿真结果表明,该算法能够使PID控制具有最速响应的特征,为PID参数设置提供了一种计算方法.     

改进型PID风电场功率控制系统的设计

现有风电场功率控制系统存在响应速度慢与控制误差大的缺点,提出一种改进型PID算法用于风电场功率控制,从现有实际运行的风电场SCADA系统中采集大量数据,利用辨识工具做模型辨识,根据最小二乘解算法得出传递函数,在Matlab中构建试验模型,采用比例、微分先行控制,积分后行,得出理想性能PID控制器.将仿真参数实际应用到风电场功率控制系统中.结果表明,该系统响应速度快,控制精度高,具有较强实际应用价值.     

一类不稳定系统的PID控制器整定

借助系统辨识的思想,改进了基于预期动态法的二自由度PID控制器(DDE-PID)的参数整定过程,并将其应用到不稳定系统上。采用先PD稳定对象,然后根据PD稳定后的控制对象的开环阶跃响应曲线即可得到所需参数,该方案具有参数整定过程简洁、实用性强、不依赖于精确模型等优点。针对改进前后的DDE-PID控制方案,选取4个典型的不稳定对象,分别与设定值跟踪实验和蒙特卡洛实验做了对比。仿真结果表明,本文所提方法对不稳定对象简单易用,在保证较好的控制性能的条件下,具有较好的鲁棒性,同时该方法可以根据需要方便地进行参数调整,实用性强。     

一种基于自适应输入-输出线性化的无刷直流电机参数辨识方法

对基于理想换相的永磁无刷直流电机, 在给出其单相等效模型的基础上, 运用基于自适应输入-输出线性化(AIOL) 方法, 设计了适用于无刷直流电机的参数辨识与控制的电流控制器, 来提高驱动控制系统对电机参数的自适应能力;此外, 对辨识方法进行相应的改进. 研究和仿真分析结果表明: AIOL方法不要求各状态量解耦, 参考模型中也不包含估计状态量, 因而自适应律的导出较简单, 并且使参数辨识与电机控制在一个框架内得到解决, 更适合电机的运行控制;基于AIOL方法的改进参数辨识算法消除了待辨识参数变化互相耦合、相互抵消的负面影响, 能够准确、稳定地估计电机参数, 且系统的响应性能较好, 易于工程实现.