遗忘因子递推最小二乘法辨识锂离子电池参数

递推最小二乘法是辨识锂离子电池等效电路模型参数常见的方法，然而随着递推过程中数据的增加，新数据的生成会受到旧数据的影响，导致误差较大。为此，对锂离子电池的二阶RC等效电路模型进行建模和分析，提出一种用于等效电路模型参数在线辨识的遗忘因子递推最小二乘(FFRLS)法。在动力应力测试实验的基础上，在线辨识等效电路模型参数，利用识别的电路参数对电池电压进行在线预测。通过对比不同遗忘因子(λ)下的端电压均方根误差，发现λ=0.86～0.94为最佳范围。所提算法的精度优于递推最小二乘(RLS)法，验证了算法的可行性和有效性。     

基于改进的ARMA递推算法的低频振荡模式在线辨识

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。     

最小二乘算法优化及其在锂离子电池参数辨识中的应用

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。     

MAFFRLS算法辨识锂离子电池模型参数

建模方法和模型参数辨识方法会影响锂离子电池状态的准确估计,特别是在动态工况下,因此在线辨识电池模型参数的方法很重要。提出一种改进的自适应遗忘因子递推最小二乘(MAFFRLS)法,优点是在不同误差范围内可以自适应地更新遗忘因子最优值。选用二阶RC等效电路模型,在动态工况下对该算法进行验证。将所提出的算法与递推最小二乘(RLS)法和遗忘因子递推最小二乘(FFRLS)法进行对比。在动态应力测试(DST)工况下,使用RLS、FFRLS和MAFFRLS算法估计电压,平均绝对误差分别为0.010 2 V、0.009 9 V和0.004 6 V,均方根误差分别为0.015 5 V、0.015 0 V和0.006 8 V。MAFFRLS算法的平均绝对误差和均方根误差更小,准确性更高。     

永磁同步电机在线参数辨识方法研究

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。     

基于VFFRLS算法的锂电池参数辨识

动力电池性能是影响电动汽车综合性能的关键因素,因此准确辨识锂离子电池模型的参数对后续电池系统的荷电状态估计和健康状态预测至关重要。为了提高锂离子电池模型参数辨识算法的精度,以磷酸铁锂电池作为研究对象,建立电池二阶RC等效电路模型,并采用基于变量遗忘因子的最小二乘算法对锂离子电池模型进行在线参数辨识。通过搭建测试平台进行充放电实验,基于2种不同工况的实验数据,分别用文中算法、递推最小二乘算法和传统的带遗忘因子的最小二乘算法进行参数辨识,根据辨识结果估计出的端口电压与实验测试得到的实际值的误差比较来描述文中算法辨识结果的准确度。实验结果表明,基于变量遗忘因子的最小二乘算法在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度。     

基于辅助变量的永磁同步直线电机系统辨识研究

针对永磁同步直线电机系统在有色噪声干扰下的辨识问题,提出了一种基于辅助变量的模型参数辨识方法。分析并建立了永磁同步直线电机的数学模型和系统的开环传递函数,引入辅助变量对标准的递推最小二乘法进行改进,对夹杂有色噪声数据的系统模型进行参数辨识。同时,基于固定模型的变回归估计方法（FMVRE）辨识了系统中可能存在的纯延时环节因子。仿真结果表明:在有色噪声影响下,辅助变量递推最小二乘法的辨识精度要高于标准的递推最小二乘法,各参数估计值的误差均在4%以下,并且额外增加的计算量较少。辨识实验的结果也证明了辅助变量递推最小二乘法能够在有色噪声干扰下辨识出较为精确的系统模型。     

基于改进RLS算法的时变幂函数负荷模型参数辨识

考虑到实际配电网负荷的组成会随着用户行为、天气状况以及系统运行方式而发生变化,负荷模型的参数与外界影响因子之间的关系是复杂且非线性的,并应随时间发生变化,因此,提出采用考虑时变性的幂函数模型来描述配电网负荷和电压随时间变化的情况。此外,为了提高模型参数辨识的准确性,提出基于三阶累积量的可变遗忘因子递推最小二乘法,用于自适应跟踪模型的时变参数。基于数字仿真算例和电网实际采样数据,对改进算法和传统递推最小二乘法的负荷模型参数辨识结果进行了仿真比较,从各类误差评价指标来看,改进算法估计精度优于传统递推最小二乘法,具有良好的跟踪性能和抑噪性能。     

基于蚁群优化的超声波电动机系统动态模糊辨识建模

超声波电动机系统的模型是设计电机运动控制器的重要前提.给出了超声波电动机系统的模糊建模方法,分别采用蚁群算法和最小二乘方法获取隶属函数及模糊规则的待定参数,建立了能够表征超声波电动机系统非线性动态关系的二输入单输出Takagi-Sugeno模糊模型.     

基于递推辅助变量最小二乘法的永磁电机参数在线辨识策略

针对永磁电机系统反馈信号测量噪声无法确保为白噪声的问题,基于传统递推最小二乘法只在面向的数学模型是ARX模型时才能保证其无偏性,提出基于递推辅助变量最小二乘法的永磁电机参数在线辨识策略。通过电机电气方程辨识定子电阻、电感、转子磁链,通过机械方程辨识转动惯量、粘性摩擦系数、负载转矩,解决了传统递推最小二乘辨识方法适用数学模型具有局限性的问题。最后通过MATLAB Simulink验证了所提算法在参数突变时辨识性能良好。     

建立冷水机组能耗模型几种方法的比较与分析

通过对中央空调系统中冷水机组的运行分析,采用最小二乘法、递推最小二乘法、广义最小二乘法及广义递推最小二乘法建立冷水机组的能耗模型。以西安建筑科技大学智能建筑研究所的变风量中央空调系统的运行数据为样本,比较并分析了不同辨识方法对辨识精度的影响,确定了适用于冷水机组历史运行数据辨识的方法。结果表明,采用广义最小二乘法辨识冷水机组模型参数,提高了冷水机组能耗模型的辨识精度,为系统进一步优化提供了可靠依据。     

同步电机瞬变参数的测试数据处理方法的研究

介绍同步电机瞬变试验的数据处理方法,在建立同步电机暂态过程数学模型的基础上,探讨用多项式回归法,瞬变时段的迭代算法,最小二乘系统辨识法和多指数拟合算法等进行同步电机瞬变试验数据处理,并做了仿真计算和误差分析,提出了改进措施,为研制同步电机瞬态参数微机测试系统,提高测试数据处理精度奠定了基础。     

基于模型分解的输出非线性的递推辨识算法

本文针对结构复杂的有色噪声干扰的输出非线性系统,运用模型分解的思想对系统辨识模型进行分解,然后结合递推最小二乘方法辨识系统参数。给出了结合试验获得的数据,通过计算参数估计误差说明算法的有效性,并分析算法的特性。     

基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计

锂电池荷电状态（SOC）的准确估计对提高电池的动态性能和能量利用率至关重要。针对现有卡尔曼滤波SOC估计方法存在估计精度低、鲁棒性差等问题,采用锂离子电池的二阶电阻-电容等效电路模型,通过HPPC循环脉冲实验和动态应力测试工况放电实验,结合带可变遗忘因子的递推最小二乘法（VFFRLS）及开窗理论,对等效电路模型参数进行在线辨识,提出利用自适应扩展卡尔曼滤波（AEKF）算法和H_∞滤波算法联合估计SOC的方法。结果表明：与AEKF算法相比,在DST工况下该算法可以使电池荷电状态估计的最大绝对误差减小3.902 9%,平均绝对误差减小0.962 2%,均方根误差减小0.551 5%。与H_∞滤波算法相比,在DST工况下该算法可以使电池荷电状态估计最大绝对误差减小1.309%,平均绝对误差减小2.893 4%,均方根误差减小2.613 6%。     

基于递推最小二乘离散辨识法的飞轮储能系统无位置控制方法

为了提高飞轮储能系统无位置传感器控制性能,飞轮电机必须具有参数辨识和参数自整定的功能。因此,提出一种基于递推最小二乘离散法在线辨识未知参数的转子位置扩张观测器,以使位置观测环节具有较强的鲁棒性能。首先,建立飞轮电机数学模型并进行离散化分析,在此基础上,采用通过将反电动势估算值反馈引入到非线性扩张观测器计算中的转子位置估算方法。随后,将基于递推最小二乘辨识算法应用于飞轮电机离散模型并可同时辨识定子电阻、交直轴电感等关键电磁参数,以便消除因飞轮电机模型误差引起的转子位置估算误差,提高系统无位置检测性能。最后,搭建基于DSP2812的硬件实验平台。仿真和实验结果表明所提算法对未知参数的辨识具有一定的准确性和实时性,可实现对飞轮储能系统的无位置传感器运行控制。     

磁悬浮电励磁三相直线同步电机离线参数辨识

建立磁悬浮电励磁三相直线同步电机(MSEE-TPLSM)的连续时间参数型状态空间方程数学模型,利用前向一阶差分方法将连续时间数学模型离散化成离散时间参数型状态空间方程数学模型,再利用z变换写成递推最小二乘算法标准形式的数学模型。利用递推最小二乘算法在初级转子静止状态下辨识出MSEE-TPLSM的电阻及自感参数。利用计算机数值仿真软件仿真MSEE-TPLSM参数的离线辨识算法,得到MSEE-TPLSM的初级与次级电阻与电感时域辨识曲线,仿真曲线收敛速度较快且辨识精度较高。仿真结果验证了该参数离线辨识算法的有效性。     

基于RFMRA和改进PNGV模型的锂离子电池SOC估算

提出基于渐消记忆的递推算法(RFMRA)和改进的新一代汽车合作伙伴(PNGV)等效电路模型的锂离子电池荷电状态(SOC)在线估算方法.RFMRA在传统递推最小二乘算法的基础上加入遗忘因子,使在线参数辨识能更实时地反映模型参数;在PNGV模型上串联RC回路,可更精确地体现电池特性.与离线SOC估算相比,算法的最大误差降低35.106％,平均绝对误差(MAE)降低7.21％,平均绝对值百分比误差(MAPE)降低22.42％,均方根误差(RMSE)降低25.38％.     

基于偏最小二乘法的3/2接线方式下开关回路电阻在线评估方法

开关回路电阻是评价开关设备状态的重要参数之一,针对3/2接线方式变电站开关回路电阻在线评估问题,提出一种基于偏最小二乘法的在线计算方法。根据变电站开关电流数据和基尔霍夫定律,建立开关回路电阻的数学模型。为减小不同时刻电流工况线性相关性带来的误差,采用偏最小二乘法求解开关回路电阻。最后,以采用3/2接线方式的某500 k V变电站为例,进行仿真计算。结果表明,采用偏最小二乘法能显著减小电流工况线性相关性带来的误差,相比于最小二乘法,精度更高。     

基于递推最小二乘法与模型参考自适应法的鼠笼式异步电机转子电阻在线辨识方法

为了能够实时准确地获取鼠笼式异步电机转子电阻,提出一种将递推最小二乘法(recursive least square method,RLS)与模型参考自适应法(model reference adaptive system,MRAS)相结合的转子电阻在线辨识方法。该方法首先推导基于dq0坐标系下标准最小二乘法形式的电机参数辨识模型,采用带遗忘因子的递推最小二乘算法辨识得出电机电感参数;然后将上述辨识得到的电感值作为基于瞬时无功功率的模型参考自适应系统中的电机常数,并采用基于波波夫超稳定性理论设计的PI自适应律,实现不同运行状态下的转子电阻在线辨识。以一台5.5 kW异步电机为例进行了仿真与实验研究,仿真结果表明,文中方法适用于转速波动明显且转子电阻变化较大的复杂运行工况,且具有计算量少、准确度高以及较好的动态跟踪辨识性能;进行不考虑温升与考虑温升的转子电阻在线辨识实验对比,验证了文中方法的正确性与有效性。     

改进AR递推算法在低频振荡模式辨识中的应用

提出采用一种基于自回归模型并加入可变遗忘因子的加权递推最小二乘算法对电力系统类噪声信号进行低频振荡模式辨识,并采用估计AR谱的方法以提取低频振荡的主导模式。New-England 39节点系统的时域仿真测试验证了该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,其辨识精度及计算速度满足工程要求,适合于低频振荡在线监测。