基于BP神经网络模型的异步电动机故障辨识

针对目前三相异步电动机故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电动机故障信号特征量基础上,提出基于蝙蝠-粒子群及改进BP算法的异步电动机BP神经网络故障辨识模型,采用蝙蝠-粒子群算法优化BP神经网络结构参数,利用改进BP算法训练BP神经网络.仿真结果分析表明,该BP神经网络模型用于三相异步电动机故障辨识,辨识速度快、准确度高、可靠性好.     

永磁同步电机无参数超局部模型预测控制

为了解决永磁同步电机在参数失配时模型预测控制效果不佳的问题,建立了永磁同步电机d-q轴电流的超局部模型,提出了一种的无参数模型预测控制方法.通过对每个控制周期内定子d-q轴电流变化量进行分解,得到受电机运行状态的影响较大的电流的自然响应分量,以及主要与电压矢量相关的强迫响应分量.利用临近控制周期中的电压矢量与电流变化量,单独解耦出电流自然响应分量进行实时计算,以达到快速跟踪的效果.使用递推最小二乘法估算电压矢量对电流的作用参数,从而计算电流的受迫响应分量.以较小的计算量实现了永磁同步电机的无模型预测控制.仿真和实验结果显示,无需预知电机参数即可获得优良的静态和动态性能,整体性能优于存在参数失配的传统模型预测控制,具有广泛的适用范围.     

基于全局灵敏度的互联电网阻尼提升策略

针对互联电网中潜在的弱阻尼低频振荡,提出了一种基于索波尔(Sobol')法全局灵敏度的阻尼提升策略,实现低频振荡的早期有效抑制.首先,利用随机子空间辨识(stochastic subspace identification,SSI)算法实现从系统随机响应数据中提取系统的振荡频率、阻尼比等,当系统的区间模式阻尼比小于5％时发出预警,进而利用Sobol'法辨识影响系统阻尼的关键机组,实现参调发电机的选取,并应用优化算法快速确定有功功率调整量,实现区间弱阻尼模式阻尼比的提升.最后,利用IEEE 4机2区系统的仿真结果验证了本文算法的有效性和可行性.     

基于强跟踪滤波器训练的前向神经网络及其在系统辨识中的应用研究*

给出基于强跟踪滤波器训练前向神经网络的新方法。由于强制残差序列保持相互正交,强跟踪滤波器相对扩展Kalman滤波的收敛速度更快,同时精度更高。最后通过系统辨识仿真实例验证该方法的有效性。     

基于RLS-DLUKF算法的锂电池SOC预测方法研究

本工作以钴酸电池为研究对象,针对锂电池在复杂工况下电流的剧烈变化导致荷电状态(SOC)无法有效预测的问题,建立了以精确参数为基础的双层无迹卡尔曼滤波算法(DLUKF)架构来更精准的估算SOC.首先,以脉冲功率特性实验数据获取二阶电路模型中电池开路电压与荷电状态的函数关系及特性曲线;其次,为增强模型辨识过程中的自适应学习能力并解决模型参数估计不准确的问题,应用递推最小二乘(RLS)算法在线准确地识别出模型中的未知变量;最后根据输入的变量信息,利用UKF算法相互嵌套形成的DLUKF算法实现对SOC的快速预测来解决单一的UKF算法在高阶非线性系统里估算不准确、精度低的问题.在UDDS工况和FUDS工况下对DLUKF算法和单一的UKF算法进行比较,通过对比分析两种算法估计出的SOC曲线、SOC误差曲线、端电压曲线及端电压误差曲线,表明DLUKF算法预测SOC的平均误差比UKF的低且预测精度更高.     

基于改进的CDKF锂电池SOC估计方法

准确估算荷电状态(SOC)可以为电池之间的均衡管理提供依据,延长锂电池组整体的使用寿命.针对中心差分卡尔曼滤波算法(CDKF)存在较大线性误差的问题,提出一种改进的CDKF算法.在原算法中引入迭代滤波思想,多次利用测量信息更新状态量估算值,使得观测信息不断迭代更新,基于LM优化方法不断修正协方差矩阵,有效减小了线性误差.首先基于二阶阻容(RC)电路单元模型,选择最小二乘参数辨识方法,辨识出模型阻容参数;然后进行HPPC实验,验证电池等效模型的准确性;最后分别在恒流放电和动态工况下应用改进后的CDKF算法对电池SOC和电压进行估计,并将估计结果与CDKF算法进行比较.两种工况下验证结果表明改进后的CDKF算法精度更高,SOC估计精度可提升1.16％,最大估计误差小于1.7％,算法收敛时间也比原算法短,改进后的CDKF算法在估计精度和鲁棒性方面均有所提升,更具有应用优势.     

基于FastICA技术与TLS-ESPRIT方法的电力系统低频振荡模态辨识

对于目前电力系统中低频振荡参数辨识中的噪声干扰和精度问题,提出了一种新的提取低频振荡模态参数的方法,将快速独立分量分析技术(fast independent component analysis,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signal parameters via rotational invariance technique, TLS-ESPRIT)联合起来。首先运用FastICA技术对含有噪声的电力系统低频振荡广域测量信号进行预处理而达到降噪效果,而后将处理后的信号作为新的输入信号利用TLS-ESPRIT算法进行估计辨识,从而得到各个模态特征参数。通过对理想信号、EPRI-36机系统和电网实测信号仿真验证了所提方法的有效可行性,不但能够有效抑制噪声并准确地辨识低频振荡参数,而且在抗干扰性和提取精度上与传统辨识方法相比来说是有一定优势的。     

基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识

低压配电网参数和拓扑缺乏维护,精度较低,阻碍了在此基础上的各种高级应用的可靠实现.为此,提出了一种基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识方法.首先,分析了现有基于线性电压回归的参数和拓扑辨识方法的不足.其次,基于线路的非线性电压降方程推导出任意两节点串、并联关系的判据,建立了基于节点多时段有功、无功负荷和电压幅值量测的非线性参数估计模型,提出了自下而上的参数估计和拓扑重建算法.最后,采用实际数据和低压配电网算例验证了所提方法的有效性.     

神经网络在电液位置伺服系统中的应用

设计了基于BP神经网络的自适应PID控制器，该控制器充分利用了经典PID控制算法简单的特点，又利用了神经网络良好的自适应和抗干扰能力，通过神经网络的学习和对系统的在线辨识，自适应调整PID参数，使控制系统对参数变化表现出良好的鲁棒性和控制性能，并通过仿真证明了所设计系统的合理性。     

助卷辊电液伺服系统相关辨识法研究

用相关辨识法分析了卷取机助卷辊电液伺服系统的频率特性 ,采用 Levy法求出系统的传递函数 ,并且给出该系统频率特性相关参数。