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.     

稳态混频RL串联电路参数的在线辨识

为了解决混频激励下含有非线性特征的电阻与电感(RL)串联电路参数的在线辨识问题,提出通过提取伏安曲线和广义磁链轨迹几何特征的参数辨识新方法。该方法采用最小二乘法定义伏安曲线和广义磁链轨迹复杂图形的倾斜度,由直线拟合直接辨识参数。从端口能量与功率的角度,讨论了算法的物理本质。实验结果表明:该算法具有辨识精度高、运算量小、便于递推等优点,适合于动态实时在线辨识,克服了基于Fourier变换的传统方法计算量大、结果依赖于信号频谱分布等问题。     

非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

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 .     

瞬态下基于MRAS的DC-DC转换器参数辨识

为了解决实际应用中电感和电容值漂移的问题,提出一种瞬态条件下基于模型参考自适应系统(MRAS)的在线参数辨识算法,该算法可以同时辨识电感和电容.首先,介绍了基于MRAS的在线辨识系统结构;然后,根据MRAS基本原理和Boost转换器状态方程提出了一种基于MRAS的在线电感和电容辨识算法,并利用波波夫超稳定理论对辨识系统的稳定性加以证明;最后,对基于MRAS的参数辨识算法进行仿真验证.仿真结果表明:该算法的电容辨识误差在0.1%以内,电感辨识误差在0.2%以内.     

基于RLS的自回归滑动平均模型的两阶段辨识方法

提出了基于递推最小二乘(RLS)的自回归滑动平均模型的两阶段辨识方法.仿真结果表明,方法给出的参数估计精度比递推增广最小二乘算法高.     

基于串行RLS的汽车双参数联合辨识

整车质量与质心位置是汽车重要的结构参数,也是试验中必要的量测值和主动安全控制系统必需的工作参数.文中针对汽车实际使用过程中质量经常发生变化的情况,提出一种汽车双参数联合辨识方法.该方法基于两个串行的递推最小二乘(RLS)法,以汽车出厂初始参数为串行RLS辨识算法的初始值,结合蛇行试验辨识质心位置;然后,以辨识所得的质心位置结合双移线试验辨识整车质量,将辨识所得质量序列方差作为门槛值,通过有限次的递推循环,可以使得汽车整车质量、质心至前轴距离两参数的相对误差均收敛到3%以内.文中最后通过ADAMS虚拟试验验证了算法的有效性.     

基于在线参数辨识的电动助力转向补偿控制

电动助力转向(electric power steering, EPS)系统具有非线性和时变性，采用常系数补偿无法实现对转矩的准确跟踪，影响驾驶员手感。文章采用滑模控制器准确跟踪电流，并设计补偿算法，利用带遗忘因子的递推最小二乘(recursive least squares, RLS)算法对助力装置进行在线参数辨识，并将辨识得到的结果进行补偿控制，在参数缓慢变化的条件下实现EPS对转矩的准确跟踪。     

一种重复递推辨识方法

许多用于动态系统在线参数估计的递推辨识算法,同样可以用于离线数据拟合问题。本文给出了一种重复递推辨识方法,并证明了此方法的收敛性;仿真结果验证了方法的有效性。     

基于改进SPBO算法的水下推进永磁同步电机参数辨识

精确的永磁同步电机(permanent magnet synchronous motor，PMSM)模型是集成电机水下推进器恒转矩控制的关键。为了提高水下推进PMSM参数辨识的精度，提出一种融合Tent映射与t分布变异策略的改进学生心理优化算法辨识水下推进PMSM参数。该算法在标准学生心理优化算法的基础上，引入Tent映射策略增加初始种群多样性，引入t分布变异策略平衡算法的前期与后期搜索能力，提高了算法的收敛速度和收敛精度。仿真和实验结果表明，该算法的辨识误差可达1%以内，且具有更快的收敛速度和更好的辨识稳定性。     

永磁同步电机无位置传感估测的参数扰动校正

为克服宽速变负载运行工况下温度及磁饱和引起的电机参数扰动对永磁同步电机磁链观测器无位置传感器算法辨识精度的影响,实现高性能的矢量控制,首先建立磁链观测器无位置传感器算法位置角估测误差与定子电阻、电感扰动量的解析关系,然后提出一种提高位置角估测精度的d轴电流补偿策略,最后结合电流补偿策略与在线参数辨识算法对无位置传感估测位置角进行扰动校正。试验结果表明,基于本校正策略的无位置传感估测改进算法,在电机参数扰动条件下的位置辨识精度提高了60%以上,并可在宽速变负载运行工况下保持9°以内的偏差。本策略在宽速变负载运行工况下的磁链观测器无位置传感器算法中具有一定的应用价值。     

基于双STF-UKF算法的永磁同步电机参数联合估计

针对永磁同步电机参数辨识问题,分析了永磁同步电机的可辨识模型.将参数看成缓慢的变化状态,同时考虑系统噪声和测量噪声,提出了一种基于强跟踪滤波器的无迹卡尔曼滤波算法.该算法能够同时辨识定子电阻、直轴和交轴电感、永磁体磁链,讨论分析了该算法的稳定性.为了减少算法的计算量,将4个参数分成2部分,采用2个STF-UKF滤波器交替运行辨识全部参数.仿真结果表明,该算法在PMSM不同的工况下能够有效地辨识电机的全部参数.     

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.     

基于VFF-RLS的力传感器的动态特性研究

在科学实验与工业生产中,力传感器动态特性会直接影响传感器的精度,因此研究力传感器动态特性具有重要意义。针对应用于手术机器人的应变式力传感器动态特性难以满足精度要求的问题,文中研究了基于最小二乘参数辨识方法在力传感器振动结构中的应用。由于递推最小二乘（RLS）对于二阶振动系统模型辨识难以同时保证快速性和抗干扰性,文中提出了一种基于可变遗忘因子的递推最小二乘参数辨识方法。首先,通过建立随机振动系统模型,对系统的输入/输出特性进行仿真与分析,确定了遗忘因子函数中的参数,仿真结果表明,文中提出的方法在保持更快收敛速度的同时,使参数辨识误差和收敛预测误差相比于RLS有明显的降低,相比于最小二乘有良好的时变性;然后,在阶跃测试标定法基础上对微创外科手术机器人力传感器的动态参数进行辨识,获得该传感器系统的结构动态特性,即固有频率和阻尼比。实验结果表明,文中提出的方法有较好的收敛性和稳定性,有效地提高了辨识精度。     

基于卡尔曼滤波和神经网络的PMSM参数辨识

永磁同步电机(PMSM)是一种非线性、强耦合的控制对象,电机参数的变化加大了其控制难度.因此,参数辨识对于其闭环控制系统的稳定运行有着重大的意义.文中针对这一非线性、强耦合的模型,研究了一种基于扩展卡尔曼滤波(EKF)和El man神经网络(El man NN)的永磁同步电机参数Rs,ψd和ψq的辨识方法.仿真结果表明,该方法具有很快的收敛速度,能很精确地辨识PMSM的Rs,ψd和ψq,该网络具有良好的泛化能力,在变速变负载等复杂情况下也适用.     

基于改进RLM算法的横向控制过程的系统辨识

横向控制过程测量数据的稀疏性以及模型的高维性、强耦合和不确定性使得系统模型难以辨识.为快速、准确地辨识系统模型,文中提出了一种改进的递推LevenbergMarquart(RLM)算法.首先阐述了横向控制过程的二维参数化模型和辨识该模型的阶跃辨识方法,然后通过修正RLM算法的目标函数来改进RLM算法,并应用改进RLM算法实时递推辨识系统参数化模型的对位、稳态空间响应和动态响应.仿真实验与实际应用结果显示,该辨识方法不仅可以一致地辨识系统参数化模型的空间响应与动态响应,而且具有比传统RLM算法更快的收敛速度.     

一种基于动态模糊神经网络的飞行数据模型辨识方法

针对飞行数据的特点,提出了一种基于动态模糊神经网络(DFNN)的飞行数据模型辨识方法。该方法采用在线学习方式,通过动态增加和删除神经元节点的策略实现网络结构学习,采用递推最小二乘法实现网络权值的在线调整,以最终得到一个结构简单、泛化能力强的神经网络。以某特定时间段的飞参数据为仿真样本,将该DFNN用于参数关联模型的辨识,实验结果表明该辨识方法收敛速度快、泛化能力强。     

基于RLS的嵌入式永磁同步电机参数辨识技术

电机参数变化影响电机控制性能,因而需要对电机参数进行在线辨识,基于嵌入式永磁同步电机在两相坐标系里的动态状态方程,通过检测电机的定子电压、电流和转子转速信号,利用递推最小二乘法算法对嵌入式永磁同步电机参数进行辨识,由于该方法所用的信号均可检测到,从而减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。仿真结果和实验验证了辨识方案的有效性。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

改进型滑模观测器的永磁同步电机无传感器控制策略

针对永磁同步电机(PMSM)实际运行时定子电阻和电感常发生随机变化的情况,提出了一种可进行永磁同步电机无传感器控制的定子电阻和电感在线辨识的改进型滑模观测器。为了削弱系统高频抖振,用近似饱和函数代替开关函数;基于Lyapunov稳定性理论,在保证观测器稳定性的同时,进行定子电阻和电感参数辨识,并将其反馈到观测器模型,实时修正观测器模型参数,从而提高估算精度;采用锁相环技术计算出转子位置和速度信息,将其反馈到电机控制系统。数值仿真结果表明,改进型滑模观测器能够快速、准确地跟踪转子位置,估算转子速度,且能辨识定子电阻和电感值并进行反馈,实现永磁同步电机无传感器控制。