异步电动机转子参数的自校正辨识方法的研究

转子参数的变化对异步电机调速系统的动静态性能有很大的影响。基于自校正方法设计了一种新的转子电阻的辨识算法。并通过仿真和实验 ,将这种算法与直接公式法进行了比较。在对自校正辨识算法进行研究时 ,主要分析了算法中参数 kp、 ki、电阻初始设定值、转速和负载转矩的变化对辨识效果的影响。讨论了负载转矩和转速对转子电阻辨识精度产生影响的原因。并且给出了该辨识算法的适用范围。实验结果证明了自校正辨识算法的有效性 ,特别是在大负载的情况下该算法可以准确地辨识出转子电阻     

基于前向神经网络的多新息随机梯度辨识算法

为了提高动态系统的辨识精度,提出一种基于前馈神经网络的多新息随机梯度辨识算法,它通过动态调整网络权值来提高网络在线辨识性能.由于多新息随机梯度辨识算法利用了系统的当前数据和历史数据,对动态辨识,特别是对具有纯时间延迟动态系统的辨识,较传统的BP算法在辨识精度和收敛速度方面具有更好的效果.仿真结果表明该算法的有效性.     

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。     

兼顾参数辩识精度的自校正控制器

本文研究了一类基于闭环误差传递函数零极点配置的自校正控制算法,针对实际中出现的参数辨识精度不易保证这一问题,提出一种在二次性能指标中兼顾参数辨识精度的自校正控制算法,增强自适应控制系统的适应能力。计算机仿真结果及温度控制实验表明,本文提出的自校正控制算法有较强的自适应能力和满意的控制效果。     

基于DSC-LS的加速度计动态模型参数辨识

加速度计动态模型参数辨识对提高振动与冲击动态测试和动态分析精度等具有重要作用.针对加速度计动态模型参数频域辨识方法中栅栏效应对参数辨识精度的影响,提出了一种基于离散频谱校正-最小二乘（DSC-LS）的加速度计动态模型参数辨识方法,该方法利用H₁估计获得零频点坐标,并将FFT+FT离散频谱校正与LS方法相结合,高精度估计出谐振点坐标,然后通过特征点坐标计算加速度计动态模型参数.实验结果表明,该方法能够有效消除栅栏效应对加速度计动态模型参数辨识的影响,具有较高的加速度计动态模型参数辨识精度和抗低频窄带噪声干扰性能.      

多变量自校正控制的任意维数输入输出

本文对具有任意维数输入输出的多变量系统,提出了在线修正加权多项式矩阵和输出最优预测两种最小方差自校正控制算法.这两种自校正算法中,参数辨识均采用隐式步骤,参数估计数目较少.控制器闭环稳定性分析表明所述算法能适用于非最小相位系统.仿真结果验证了此算法的有效性.     

永磁同步电机转动惯量的自适应辨识方法研究

针对永磁同步电机伺服系统对转动惯量辨识的高精度、收敛的快速性以及系统对扰动影响的鲁棒性要求,提出一种永磁同步电机转动惯量的自适应辨识方法.采用梯度校正参数辨识算法在线辨识惯量值,并设计卡尔曼滤波器实时观测负载转矩状态,将辨识到的惯量值对卡尔曼滤波器的系数矩阵进行实时更新,观测到的转矩值反馈到转矩电流端形成负载扰动的前馈补偿.仿真和实验结果表明,转动惯量在线辨识结果具有较快的收敛速度和较高的辨识精度,同时系统对惯量和负载转矩的变化有较强的抗扰性.     

PSO算法与BP神经网络在电力系统辨识中的比较研究

系统辨识是控制工程领域中研究的重要问题之一。首先对BP神经网络和微粒群算法进行了深入分析。以含STAT-COM电力系统为辨识对象,分别采用BP神经网络和微粒群算法对其进行辨识分析。对两种算法的收敛精度进行了分析比较。结果表明PSO算法在系统辨识上具有优势。     

基于GA-BP算法的神经网络非线性系统辨识与仿真

本文根据神经网络在非线性函数中的逼近能力,发挥遗传算法(GA)全局寻优和BP算法局部收敛结合的优势,将GA-BP算法应用于神经网络,完成系统的非线性辨识功能.仿真结果表明:基于GA-BP算法的神经网络具有良好的非线性逼近能力和泛化能力,具有较高的系统辨识精度.     

基于改进粒子群算法的双馈感应发电机参数辨识

基本粒子群算法(PSO)存在早熟问题,且惯性权重对参数辨识结果的影响较大,为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法,并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DFIG中各参数的可辨识性和辨识难易度,给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较,该方法具有收敛速度快、辨识误差小的优点,即使在较大的搜索范围内仍具有较高的辨识精度。     

存在建模误差时的鲁棒自校正控制

研究了一类存在建模误差时的鲁棒自校正问题.在对象的模型误差是“相对小”的情况下,提出了具有辨识误差死区的辨识算法和相应的控制律;通过理论分析,给出厂辨识算法的收敛性;在给出的极点配置自校正定理中证明了对存在任意建模误差及任意有界初始状态的被控对象,整个自适应系统中所有的信号保持有界,因而也就表明所提出的控制算法对模型误差有很强的鲁棒性.     

提高系统冲激响应辨识精度的新算法

本文在对用相关分析法辨识连续系统冲激响应的现有算法进行分析的基础上,提出了提高冲激响应辨识精度的新算法。这一算法不但精度高,而且使用方便。     

两电机变频调速系统的改进RLS逆模型辨识

为弥补现有两电机变频调速系统逆模型辨识中存在的不足,提出一种多模型LSSVM逆模型辨识方案.依据多模型思想,利用LSSVM拟合系统局部逆模型中的非线性映射,将各局部逆模型加权输出,建立离线初始逆模型.根据逆模型输出与系统输入的偏差,通过改进的RLS算法自适应调整局部逆模型权值,对初始逆模型在线校正,使其适应对象的变化,提高辨识精度和收敛速度.分析了两电机变频调速系统及可逆性,阐述了改进的RLS算法和LSSVM算法,给出了多模型LSSVM辨识方案的实现步骤,并对辨识效果进行了仿真试验.仿真结果表明,新型辨识方案是可行有效的,适用于两电机变频调速系统的逆模型辨识.     

基于扩展H_∞粒子滤波算法的视觉伺服雅可比矩阵在线辨识

为提高图像雅可比矩阵在线辨识精度,进而提高机器人轨迹跟踪的准确性,研究了基于图像的机器人视觉伺服系统中雅可比矩阵在线辨识方法。在非高斯环境下以机械手跟踪运动为应用实例,采用一种扩展H_∞粒子滤波算法对图像雅可比矩阵进行在线辨识,并且与卡尔曼滤波算法进行对比实验研究。实验结果表明,扩展H_∞粒子滤波算法具有较高的辨识精度和较强的鲁棒性,机器人轨迹跟踪精度得到提高,而且耗时较短,验证了扩展H_∞粒子滤波算法的有效性。     

基于信道模型过估计的最小噪声子空间盲辨识

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.     

自校正信息融合Wiener滤波器及其收敛性

对带未知噪声统计的多传感器系统,用求解相关函数矩阵方程组的方法得到噪声统计在线估值器,并提出了自校正Lyapunov方程.用现代时间序列分析方法,基于滑动平均(MA)新息模型的辨识,在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Wiener滤波器,并用动态误差系统分析(DESA)的方法证明了自校正Lyapunov方程的收敛性,进而证明了自校正融合Wiener滤波器收敛于最优融合Wiener滤波器,因而具有渐近最优性.它的精度比每个局部自校正Wiener滤波器精度都高,且算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

基于正则化的模糊C-均值聚类算法及其在T-S模糊系统辨识问题中的应用

在模糊C-均值聚类问题目标函数中使用正则化泛函,将聚类中心解的误差指标引入到模糊聚类的目标函数中,构造出新的模糊C-均值聚类算法RBFCM(Regularization based Fuzzy C-means)算法.算法RBFCM不仅具有较高的聚类精度,且计算结果具有更好的稳定性.进一步,将此RBFCM算法应用于基于T-S模糊模型的系统辨识问题.由于RBFCM算法优化了模糊系统的输入空间划分,提高了隶属度函数的精度,使得后继得到的T-S模糊系统辨识精度也有所提高,且系统辨识过程的收敛速度也有所改善.最后,通过对经典IRIS数据集、带有噪声的IRIS数据集的聚类算例和对Box-Jenkins煤气炉数据集进行辨识算例,验证了RBFCM算法的有效性和优越性.     

存在建模误差时的鲁棒自校正控制

研究了一类存在建模误差时的鲁棒自校正问题。在对象的模型误差是“相对小”的情况下，提出了具有辨识差死区的辨识算法和相应的控制律；通过理论分析，给出了辨识算法的收敛性；在给出的极点配置自校正定理中证明了对存在任意建模误差及任意有界初始状态的被控对象，整个自适应系统中所有的信号保持有界，因而也就表明所提出的控制算法对模型误差有很强的鲁棒性。     

基于冲击响应的自校正控制新算法

本文研究了基于对象冲击响应的自校正控制算法,介绍了快速自适应冲击响应(TR)辨识的新方法,并分析了自校正新算法的收敛性。文中的仿真实例及在线模拟结果充分地证实了新算法的有效性。     

基于分数信号处理的变步长自适应振动主动控制方法研究

针对自适应振动主动控制系统中次级通道的辨识精度严重影响振动控制效果的问题,分析了常规的次级通道在线辨识算法存在的问题,提出一种基于分数信号处理的双步长两阶段变步长策略的次级通道在线辨识方法。该方法使用基于分数信号处理的自适应算法代替传统的最小均方(least mean square, LMS)算法进行次级通道的在线辨识,同时给出了一种双步长的两阶段变步长策略,在次级通道辨识环节收敛前后应用不同的变步长策略以提高辨识精度和降低辨识环节的波动。仿真结果表明,与现有方法比较,该方法的次级通道辨识收敛速度更快,系统收敛后的波动更小,次级通道的辨识精度和系统的稳定性都有了明显的提升。经验证,该方法有效解决了常规的次级通道在线辨识算法收敛速度慢、辨识精度低和辨识环节波动大等问题,具有更好的振动控制效果。