系统降阶的马尔柯夫参数拟合法

降阶是应用大规模动态系统的重要问题。本文提出的方法是:求出原系统大量的马尔柯夫参数,并根据应用要求确定降阶模型的阶数。然后根据由本文作者提出的准则——模型的马尔柯夫参数尽可能与原系统相一致同时模型的静态增益却应与原系统必须相等,采用最小二乘拟合法来求出降阶模型的参数。在降阶模型中引入了纯滞后,这样就能显著地提高拟合的精度。本文通过几个数例证明作者提出的方法,计算方便,拟合精度较高,可以用来解决多数高阶单输入单输出稳定系统的降阶问题。     

基于自适应粒子群优化算法的光伏电池参数辨识

利用双二极管等效电路模型进行光伏电池输出特性仿真,基于光伏电池的U-I数据建立了目标寻优函数,采用自适应粒子群优化算法对光伏电池参数进行了反演计算.结果表明:U-I反演曲线与实际曲线基本吻合,自适应粒子群算法与单纯形方法的参数辨识结果均与理论值相符,权重因子策略和种群规模对自适应粒子群优化算法寻优结果具有显著影响,基于自适粒子群优化算法的光伏电池参数辨识方法具有更高的求解精度和寻优效率.     

基于多新息扩展卡尔曼滤波的锂离子电池SOC估计研究

锂电池具有高能量密度、循环寿命长等优点而被广泛应用于电动汽车动力装置,但车辆运行状况复杂多变,且电池内部呈现高度非线性的性质,导致电池荷电状态(SOC)难以准确计算。为优化锂电池SOC估计精度,构建结合Warburg元件的分数阶二阶RC模型,采用自适应遗传算法进行参数辨识;融合多新息理论和扩展卡尔曼滤波算法,提出基于多新息扩展卡尔曼滤波(MIEKF)的锂离子电池SOC估计算法,并利用试验数据验证该方法的有效性,为提高SOC估计精度和车载锂电池的循环使用寿命提供了新的方法途径和实践支撑。     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

基于参数化降阶模型的非线性气动弹性高效分析

针对非线性气动弹性分析时需要在时域求解多个流场参数条件下结构运动方程而造成的计算消耗过大的问题，提出了一种适用于参数变化时非定常流场高效计算的参数化降阶模型，不仅可以应用于计算机翼等结构的总体气动力还可以得到每个时刻的结构表面的流场数据分布，并成功应用于典型机翼的跨声速颤振边界的计算，大大地提高了计算效率.结果显示，单流场条件时降阶模型的计算速度比直接使用时域分析方法提高了3倍；在计算多流场参数条件下，参数化降阶模型相比于使用单流场降阶模型计算速度提高了3.5倍，相较于时域分析方法提高了10倍.     

动力锂离子电池电路建模与仿真

以锂离子电池为研究对象,分析了多种电池等效电路模型的优缺点,最终选取分数阶等效电路模型进行研究,但由于模型中涉及分数阶电路,不便于计算处理,从而提出对其进行降阶处理的方法,采用改进分数阶的电路模型来确定动力锂离子电池的传递函数,并且求解出这个分数阶电路模型的阶跃电流响应解析解.最后,对由R1∥CPE1,R2∥CPE2和Zw∞分数阶电路构成的电路模型进行降阶处理.时域仿真表明,在0. 1～10. 0s时间范围内,降阶模型近似解和分数阶模型的解析解非常逼近,电路一阶降阶模型相对误差低于10. 0%,而其中的二阶降阶模型相对误差更是低于2. 0%.给出的分数阶电路降阶模型不仅可以降低运算的复杂性,同时在精度上能满足工程应用控制的要求.     

锂离子电池参数辨识与SOC估算研究

电池SOC的估算精度是影响电动汽车性能的重要因素之一.针对传统的卡尔曼滤波方法在滤波时,需要已知系统噪声统计特性这一问题,本文在采用RC等效电路模型,运用多元线性回归方法辨识得到电池模型参数后,提出了采用模糊自适应卡尔曼滤波算法来估算电池SOC.城市道路循环工况仿真对比结果表明,该算法相比传统卡尔曼滤波方法具有更高精度,且能够将误差保持在2%以内,较好地提高了SOC估算精度.     

自适应递阶遗传神经网络测井岩性识别方法研究

针对传统神经网络岩性识别模型存在收敛速度慢、难以选择合适的网络拓扑结构和学习参数等问题,提出一种自适应递阶遗传优化神经网络模型。该模型通过采用递阶遗传染色体编码方式优化神经网络拓扑结构和权阈值参数,并将具有非线性特性的Sigmoid函数引入到遗传操作算子设计中,使得交叉变异算子在遗传进化阶段能自适应变化,从而减少遗传算法陷入"早熟"的机率。与三层传统神经网络和基于遗传算法优化的神经网络模型相比较,实验结果显示,该方法平均识别准确率达到95.67%,在准确率、迭代收敛次数、运算耗时和精度指标上均优于其它两种模型。     

热工对象模型降阶的一种时域算法

对高阶状态方程描述的热工对象,若使用通常的降阶方法,将会有很大的计算工作.本文从对象的输入输出特性出发,对于一类指定的降阶模型,证明了可以用二步线性最小二乘求得降阶模型的参数,方法简单.计算实例说明降阶模型较好地重现了原型的响应特性.     

基于低阶自适应模型及时滞补偿的单晶硅直径控制研究

直拉单晶硅直径与功率之间是一个复杂的四阶振荡系统,并有一定的惯性滞后,因此,使用常规方法控制该系统不能获得满意的性能.采用自适应降阶模型加时滞环节拟合复杂高阶系统,并进行时滞补偿控制.仿真结果表明:带有时滞环节的自适应降阶模型具有良好的自动拟合复杂系统及时滞补偿能力,使得直径控制系统具有良好的动静态性能.     

基于快照POD的抽蓄电站全流道模拟研究

提出了一种基于快照本征正交分解(POD)的降阶模型实现水泵水轮机瞬态流场快速计算的方法,获得可快速计算水泵水轮机瞬态流场参数的5阶POD模型．将特征线法(MOC)有压管道、水轮机控制系统等与降阶模型串联并求解抽蓄电站甩负荷工况的全流道水力特性．通过对全流道的传统数值模型、MOC-POD模型与实测数据对比获取误差值,可以得出：新模型获取进出口压力的均方根误差与最大相对误差均小于传统模型,且仿真时间减少约98%,证明新方法对甩负荷过程参数模拟具有准确性与高效性．     

两类锂离子电池电化学机理模型的数值分析

在新能源锂离子电池领域，已有研究学者构造了若干种电池的电化学机理模型。为了分析相关物理化学过程，得到电池相关有效性质，基于DFN模型讨论电池的物理化学机制，使用了降阶简化后的单颗粒模型进行模拟研究。先采用不同的参数对单颗粒模型进行模拟，之后分析各个相关物理量，与DFN模型进行比较，得出精度控制良好一致性的范围，分析了模型预测的差异性。通过电池机理模型的研究，可获得电池的状态估计，这能够更好地认识电池。     

一种基于分数阶微分方程模型的基因调控网络构建方法

考虑到实际生物系统的非线性特性,提出了一种基于分数阶微分方程模型构建基因调控网络的新方法,采用模型预测数据与实际数据的逼近误差为目标函数,通过人工鱼群优化算法辨识分数阶微分方程模型的阶次和参数,并引入自适应步长,保留精英个体和增加种群多样性等策略提高算法的进化能力。对真实生物实验数据的结果表明,该方法能够较准确的辨识出模型参数,得到的分数阶微分方程模型与实际数据吻合程度较高。     

电动车用镍氢电池模块的充放电模型研究

在电动汽车镍氢电池改进等效电路模型的基础上，基于模糊化电池的荷电状态（SOC），利用模糊推理的方法来估计电路模型的时变参数，并以SOC为模糊输入量，电池模型参数为模糊输出量．由于模糊推理所确定的模型参数根据模糊SOC是动态变化的，因此不仅提高了电池模型的精度，而且降低了对SOC估计精度的要求．仿真试验表明，在不考虑温度影响的情况下，利用该方法所得到的电池模块端电压仿真数值与实测值的最大绝对误差为0．04V，相对误差为0．28％，说明这种变参数不变结构的自适应模型具有很高的可靠性和精确性．     

斜拉索大桥的稀疏复指数与基频识别法

针对复指数法（CE）需要准确定阶且对噪声敏感的问题,提出一种稀疏改进的复指数算法。先用高阶次的拟合模型进行模态计算,然后用稀疏优化法代替最小二乘法计算振型系数,从众多振型系数中自动选出真实模态对应的系数,最终达到剔除虚假模态的目的。通过引入稀疏优化方法解决了使用高阶拟合模型难以有效剔除虚假模态的问题,突破了模型阶次不能过高的限制,提高了算法的精度和抗噪声性能,令其在斜拉索基频测试中表现出更高的识别精度。     

动静叶干涉中背压扰动叶栅气动力的降阶模型

现有航空发动机气动力降阶模型的研究主要集中在叶片颤振方向,对动静叶干涉引起叶栅气动力变化的问题没有讨论。其中背压扰动是动静叶干涉影响上游叶栅气动力的重要因素。通过对背压扰动的傅里叶分解,分别计算分解背压扰动所得各谐波引起的叶栅气动力响应,由此建立了基于谐波平衡法的背压扰动叶栅气动力降阶模型。在此基础上,研究了各谐波幅值对气动力降阶模型精度的影响。算例的结果表明:提出的方法能非常好地描述动静叶干涉中背压对上游叶栅气动力的影响;根据幅值大小选择主谐波,可以在不大幅降低气动力降阶模型精度的情况下减少待定参数的个数;利用该方法可准确确定任意时刻动静叶干涉中背压扰动叶栅的气动力。     

非光滑机械动力系统数值积分的精度分析

采用 Taylor级数展开方法 ,分析了常用的线性多步法在非光滑机械动力系统中的计算精度特性 ,建立了一个非光滑的机械振动系统检验模型 ,给出了典型的计算实例 ,并提出了几种改善计算精度的措施。分析表明 ,在计算非光滑的机械动力系统时 ,线性多步法类的数值积分方法出现降阶现象 ,计算精度会大大降低。采用光滑函数过渡、自适应变步长技术及隐式和预测校正等方法 ,可以有效地提高数值计算精度 ,而提高方法的阶次不能有效提高精度     

基于自适应种群小生境算法的非线性系统辨识

针对传统神经网络非线性系统辨识算法存在收敛速度慢、易早熟、需人工设置网络结构及初始参数等问题,提出自适应小生境PSO非线性系统辨识方法。改进算法融合分层递阶算法和小生境PSO算法思想,联合优化网络结构及初始化参数,引入自适应灾变因子提高寻优精度。仿真实验表明,改进算法可提高辨识精度和收敛速度,能有效避免早熟现象,并可显著提高大空间、多峰值函数寻优效率。     

一种改进的硅太阳能电池非线性工程数学模型

针对现有硅太阳能电池工程数学模型精度不高的缺点,基于硅太阳能电池的理论数学模型,提出一种改进的硅太阳能电池非线性工程简化数学模型.忽略一些次要因素的影响,仅仅利用硅太阳能电池生产厂商提供的、标准测试条件下的4个电气参数,即短路电流Isc-ref、开路电压Uoc-ref、最大功率点电流Im-ref和最大功率点电压Um-ref.更重要的是,该模型首次考虑在任意光强和温度下的串联电阻参数的影响,以提高精度.进行了太阳能电池输出电气特性试验,并与基于简化模型的仿真对比.结果表明,该模型的误差一般都在6%以内,满足工程应用的精度要求.     

热连轧宽度自适应模型优化

为提高热连轧粗轧宽度控制精度,提出了一种宽展模型参数自适应方法.该方法将宽展模型中自然宽展系数和狗骨宽展系数作为待优化参数向量,以此为基础对自适应目标函数进行构建,并使用Nelder-Mead算法进行目标函数的最优化求解,得到了满足条件的最优化参数向量,进而完成了宽展系数的优化,提高了轧件的宽度控制精度.本方法已应用于某850 mm热轧粗轧控制系统中,并与传统自适应模型精度进行比较,采用所提出的参数自适应方法后,宽度模型预测值与实测值的偏差由3.05 mm降至1.28 mm,有效地提高了宽度质量.