基于MATLAB的广义最小二乘参数辨识与仿真

针对参数辨识中最小二乘法（LS）存在的缺点,讨论了一种用迭代的松弛算法对最小二乘辨识的改进方法-广义最小二乘（GLS）辨识,并介绍了其基于Matlab的仿真和分析方法。首先简述参数辨识的概念、最小二乘法辨识存在的主要缺点和广义最小二乘法的基本原理,之后简要介绍了Matlab系统辨识工具箱及其中参数辨识的实现方法,最后结合实例给出相应的仿真程序及其结果分析,仿真结果表明：该方法辨识精度高,明显优于最小二乘辨识。     

非线性系统第一类模糊辨识器的设计及仿真

该文针对非线性系统的辨识问题,给出了第一类模糊辨识器的设计方案,该方案通过引入最优逼近误差的自适应律参数项,实时地调整参数来实现对非线性系统的辨识.采用此方法可使辨识器模型的输出很快收敛到真实系统,且辨识误差渐进收敛到零.该文根据此算法编写了便于仿真实现的MATLAB程序,且给出了此程序的解算流程图.最后对Rossler混沌系统的实例进行仿真,绘制了系统真实曲线和辨识器模型输出的估计值曲线,仿真结果说明了该方法在非线性系统辨识中的使用性和可行性.     

相关函数脉冲响应法系统实时辨识

结合了相关函数法和脉冲响应法两种经典系统辨识方法原理,在随机信号干扰的情况下,设计对系统实现实时辨识的仿真软件,获得系统的非参数模型。该仿真设计中,以M序列作为输入信号,白噪声信号作为干扰信号,进行了Matlab仿真实验,讨论了M序列的幅值,采样时间和周期长度对系统辨识效果的影响,以及分析M序列的选取方法来减少系统辨识误差。     

一种新型的过程模型参数辨识方法

针对模型参数辨识问题,提出了一种基于菌群优化（BSFO）算法的模型参数辨识方法。通过将辨识参数设置为群体细菌在参数空闸的位置,并模拟细菌群体觅食的动态行为来实现对参数的寻优,有效地提高了参数辨识的精腰和效率。对火电厂热工过程参数辨识的仿真研究验证了本文算法的有效性,结果表明,菌群优化算法能够实现对过程模型参数的有效辨识,仿真结果令人满意。     

异步电动机无速度传感器矢量控制系统中的EKF速度辨识法

针对异步电机控制过程中对速度辨识的抗干扰性能的要求,提出一种改进的扩展卡尔曼滤波器速度辨识方法,实现了对异步电机瞬时转速的辨识。该方法首先根据异步电动机无速度传感器矢量控制的基本原理,构建了基于SVPWM的扩展卡尔曼滤波器速度辨识系统,然后利用MATLAB／SIMULINK对系统进行了仿真分析。仿真结果表明该系统的速度跟随性较好,具有良好的滤波效果和稳态辨识特性。     

小型无人直升机物理参数辨识算法研究

本文阐述一种小型无人直升机物理参数仿真辨识的过程.总结了最小二乘辨识算法的原理,设计了辨识的思路,重点描述了小型无人直升机沿单个自由度方向运动的辨识算法和如何利用Matlab进行系统辨识.     

基于ANN的动态系统状态方程辨识建模仿真

对系统辨识原理、基于神经网络（ANN）的动态系统辨识进行了分析，针对动态系统辨识模型描述的复杂性，为简化ANN辨识建模的输入／输出关系的表达，提高算法的简洁性，采用了状态方程辨识模型，并给出了基于ANN的动态系统状态方程辨识模型。为比较分析不同网络结构的辨识建模效果及网络模型泛化能力，针对三种不同网络结构方案进行了辨识建模仿真研究。仿真结果最示，基于ANN的动态系统状态方程模型的辨识建模是有效的，并且简单合理的网络结构方案，可提高网络辨识模型的泛化能力。     

分布参数系统仿真及其在天然裂缝气藏中的应用

本项目以非均质碳酸盐岩气藏为背景,研究分布参数系统仿真系统及相关论题。以推广的Ｂａｒｅｎｂｌａｔｔ模型为基础,提出以系统辨识为基本内容的系统仿真方法,设计仿真系统,实现计算机系统辨识和计算储量。研究结果表明,分布参数系统仿真是研究天然裂缝气藏的可行方法。     

闭环辨识与开环辨识的比较及应用

用数字仿真的方法,在同一个单输入单输出线性离散随机系统中,把四种不同实验条件下的闭环辨识与开环辨识进行比较。结果表明,在调节器输出端施加伪随机二位信号的实验条件,适宜于工业生产过程应用的闭环辨识实验条件。按此实验条件进行闭环辨识可以得到精度与开环辨识相近的过程模型。也在实验室规模的热交换器上进行了闭环和开环辨识,得到了与数字仿真一致的结果。     

自适应超混沌系统修正广义同步及其电路实现

运用自适应控制方法,实现超混沌Chen系统的同结构投影同步,并能辨识出响应系统的未知参数。首先通过采用MATLAB进行数字仿真,表明该自适应控制方法的可行性以及系统的参数辨识作用。其次利用EWB仿真设计模拟电路,结果与MATLAB的仿真结果相吻合,从而进一步证明了该自适应控制方法的有效性和系统参数辨识方法。     

改进型MRAS无速度传感器的无轴承异步电机矢量控制

无轴承异步电机(BIM)的转子磁链电压模型中含有纯积分环节,其积分初值和累计误差会影响磁链观测精度,进而使转速估计产生严重失真.为了实现BIM无速度传感器运行,本文借鉴模型参考自适应法(MRAS)基本结构,将改进二阶广义积分器与锁频环结合以代替原有纯积分器,提出了一种新的基于MRAS的BIM无速度传感器控制方法,构建了BIM转子磁链定向无速度传感器矢量控制系统.并且,基于MATLAB/Simulink的仿真验证和基于dSPACE的实验结果表明:与传统电压模型观测方法相比,所提出的转子磁链电压模型有效避免了纯积分环节带来的直流偏移和积分初值影响,有着更好的观测效果.同时,基于无轴承异步电机转子磁链定向无速度传感器矢量控制系统,电机能稳定悬浮运行,估算转速和实测转速具有很好的一致性.     

无速度传感器电励磁同步电机模型预测电流控制

为了提高电励磁同步电机控制系统的可靠性,优化电励磁同步电机的调速性能,提出了一种带无速度传感器的电励磁同步电机模型预测电流控制策略.以模型预测电流控制作为电流环,取代传统的PI调节器,有效抑制电流纹波,提高了电流的跟踪性能.基于模型参考自适应理论,设计电励磁同步电机无速度传感器,对电机运行转速进行在线辨识,实现对转速准确估计.仿真结果表明:控制系统具有较好的快速性和可靠性.     

基于ESO的无速度传感器PMSM系统自适应滑模FCS-MPC

为了提高三相永磁同步电机(PMSM)控制系统的性能,基于反双曲正弦函数的扩张状态观测器(ESO)技术,提出一种新颖的无速度传感器自适应滑模有限控制集模型预测控制(FCS-MPC)策略,采用ESO技术构造PMSM系统转速和反电动势的观测器,实现对电机转速和反电动势快速准确估计.用带有负载ESO的自适应滑模控制作为系统的转速调节器,以提高系统的鲁棒性;利用基于快速矢量选择的FCS-MPC策略,达到减少转矩脉动、降低系统算法计算量的目的.仿真结果表明,基于ESO的无速度传感器自适应滑模FCS-MPC策略能够使PMSM系统可靠稳定运行,达到满意的转矩和转速控制效果.与基于积分型滑模面的自适应滑模FCS-MPC策略相比,所提出的控制策略能使系统具有良好的动态性能和抗负载干扰能力.     

基于DSP的无速度传感器交流异步电机矢量控制系统设计

为提高交流异步电机控制系统的可靠性和适应性,本文设计了基于DSP的无速度传感器异步电机矢量控制系统。根据异步电机转子磁场定向控制的基本方程式建立了改进电压型转子磁链估算模型,并且采用PI自适应速度估算法来估计转速,同时采用电压空间矢量法实现对异步电机的控制。     

Adaptive Lyapunov-based neural network sensorless control of permanent magnet synchronous machines

In this paper, an adaptive neural network sensorless control scheme is introduced for permanent magnet synchronous machines (PMSMs). The control strategy consists of an adaptive speed controller that capitalizes on the machine’s inverse model to achieve accurate tracking, two artificial neural networks (ANNs) for currents control, and an ANN-based observer for speed estimation to overcome the drawback associated with the use of mechanical sensors while the rotor position is obtained by the estimated rotor speed direct integration to reduce the effect of the system noise. A Lyapunov stability-based ANN learning technique is also proposed to insure the ANNs’ convergence and stability. Unlike other sensorless control strategies, no a priori offline training, weights initialization, voltage transducer, or mechanical parameters knowledge is required. Results for different situations highlight the performance of the proposed controller in transient, steady-state, and standstill conditions.     

An MRAS method for sensorless control of induction motor over a wide speed range

This paper addresses the problem of wide speed range sensorless control of induction motor.The proposed method is based on model reference adaptive system (MRAS),in which the current model serves as the adjustable model,and a novel hybrid model integrating the modified voltage model (MVM) and high-frequency signal injection method (HFSIM) are established to serve as the reference model.The HFSIM works together with MVM to improve the performance of the rotor speed and rotor flux position estimation at low speed,whereas at high speed,the MVM acts alone.In addition,a rotor resistance online estimation scheme is proposed to update the rotor resistance contained in the adjustable model and to ensure the estimation accuracy further.Experimental results show that the proposed MRAS method is very effective from low to high speed range,including zero speed.     

自适应模糊滑模软切换的PMSM无速度传感器鲁棒无源控制

针对永磁同步电机(PMSM)转速调节和估计问题,提出一种无速度传感器的PMSM调速系统.利用双曲正切函数代替符号函数,设计了自适应模糊滑模软切换控制器,实现了软切换连续控制,削弱了抖动现象.通过设计鲁棒无源控制器,得到了旋转坐标系下的u_d和u_q.建立了自适应滑模观测器,并给出了速度辨识律,观测器的增益通过求解线性矩阵不等式得到.仿真结果表明了该控制策略与观测器配合的有效性,且控制系统具有良好的动、稳态性能.     

永磁同步电机系统的无速度传感器研究

为了提高永磁同步电机系统的抗干扰能力,提出一种无速度传感器方法,用于速度辨识.将滑模(SM)变结构控制与模型参考自适应系统(MRAS)方法相结合,选取电机本体作为参考模型,利用逆变器输出的电压和电流,构建基于磁链方程的可调模型,利用两模型误差运用SM变结构方法辨识速度.在Matlab仿真平台对无速度传感器方法进行了分析,研究结果表明:所提出的无速度传感器方法具有较好的动静态性能,可以实现对速度的准确辨识.     

基于MARS的无速度传感器矢量控制系统研究

应用模型参考自适应方法,对无速度传感器矢量控制系统的转速估计进行研究,针对常规速度辨识器中的基准模型易受积分初值和漂移问题的影响,造成辨识结果不准确的问题,埘传统的MRAS方法进行了改进研究,并且以此为基础,采用基于神经网络的模型参考自适应辨识电机转速。MATLAB仿真结果表明,应用这种估计算法计算量小,收敛速度快,估计转速能很好地跟踪实际转速,而且具有很好的鲁棒性。     

Sensorless direct torque control of an induction motor by a TLS-based MRAS observer with adaptive integration

This article presents a new speed and flux estimation algorithm for high-performance direct torque control (DTC) induction motor drives based on model reference adaptive systems (MRAS) observers using linear artificial neural networks (ANNs). Two completely new improvements of MRAS speed and flux observers are presented here: the first is a solution to the open-loop integration problem in the reference model, based on the voltage model of the induction machine, by means of a new adaptive neural integrator, the second is the employment of a new adaptation law in the ANN adaptive model, based on the total least-squares (TLS) technique. In particular, the adaptive neural integrator is based on two adaptive noise filters which completely cancel any DC drift present in the voltage or current signals to be integrated. This neural integrator does not need any a priori training of its two only neurons, adapting itself on-line. With regard to the ANN-based adaptive model, since the most suitable least-square technique to be used for training is the TLS technique, here the neuron is trained on-line by means of a TLS EXIN algorithm which is the only neural network able to solve a TLS problem recursively. Also the TLS EXIN algorithm does not require any a priori training, since it adapts itself recursively on-line. Moreover, to improve the dynamical performances of the speed loop of the drive, the adaptive model has been used as predictor, i.e. without any feed-back between its outputs and its inputs. The sensorless algorithm has been verified experimentally both on the classic DTC technique and on the DTC-SVM (space vector modulation), by adopting a proper test set-up. The speed observer has been tested in the most challenging operating conditions. The experimental results show that the dynamical performances of the sensorless drive are comparable or even better than those obtained with the corresponding DTC drives with encoders as for the medium to high-speed ranges. As for low-speed ranges, the presented sensorless DTC algorithm outcomes the performance presented in the literature for MRAS systems, thus permitting to have an accurate estimation equal or better than that obtainable with more complex observers. Finally, experimental results show that the MRAS speed observer is robust to load torque perturbations and permits zero-speed operation at no-load conditions.