共查询到10条相似文献,搜索用时 31 毫秒
1.
在阐述微机保护中递推最小二乘法原理的基础上,通过建立虚拟系统模型,用系统辩识理论研究了递推最小二乘法的递推初值和该算法的渐近性及无偏性。 相似文献
2.
给出了用Haar小波辩识连续时间系统模型参数的方法。通过小波对积分建立的操作矩耻,简单有效地将微分方程化代数方程。根据系统的测量数据并结合最小二乘算法辩识模型参数,给出了一个离线算法,仿真结果表明算法的有效性。 相似文献
3.
给出了用 Haar小波辩识连续时间系统模型参数的方法。通过小波对积分建立的操作矩阵,简单有效地将微分方程化为代数方程。根据系统的测量数据并结合最小二乘算法辨识模型参数。给出了一个离线算法,仿真结果表明算法的有效性。 相似文献
4.
5.
6.
根据系统参数辩识原理 ,利用仿真数据 ,采用最小二乘法对调节系统特性参数进行寻优。结果表明采用辩识方法可以准确地辩识系统各时间参数。辩识结果准确可靠 ,可以用于对调节系统进行性能预测、控制优化和故障诊断 相似文献
7.
针对在永磁同步电机参数辨识过程中,由于"数据饱和"和噪声影响,导致传统的递推最小二乘法存在参数估计误差大和收敛慢的问题。利用改进的递推最小二乘法提高参数辨识的精度和收敛速度,以满足伺服系统在不同工况下动态性能。首先,结合永磁同步电机数学模型,设计了一种折息递推最小二乘辨识算法,通过在传统的最小二乘法中引入"折息因子"增强了算法的灵活性。然后,通过对存在白噪声干扰的永磁同步电机模型进行辨识算法的动态仿真。最后,利用搭建的实验测试平台进行算法的实验验证。仿真和实验结果表明提出的折息递推最小二乘算法,在参数辨识过程中降低了旧数据对辨识结果的影响,增强了算法对噪声干扰的鲁棒性,提高参数辨识结果的准确性和实时性。 相似文献
8.
传统最小二乘法(LS)用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘(AFFRLS)改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘(VFFRLS)进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。 相似文献
9.
为提高电力系统低频振荡现象的实时监测水平,提出采用一种基于自回归滑动平均模型的两段加权递推最小二乘算法进行低频振荡模式辨识,并通过估计ARMA谱的方法以提取低频振荡的主导模式。该改进算法先采用加权递推最小二乘算法拟合高阶AR模型单独得到白噪声估值,再将该估值用于常规加权递推最小二乘算法中,提高了算法参数辨识的精度和收敛速度。New-England 39节点系统的时域仿真测试验证了该改进算法对低频振荡模式辨识的有效性,并通过与常规加权递推最小二乘算法辨识效果的比较验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度。最后通过对某电网PMU实测数据的辨识分析,验证了该改进算法能够准确地辨识系统的低频振荡主导模式频率和阻尼比,具有实际的工程意义。 相似文献