用于电压闪变包络跟踪的改进RLS算法

电压闪变是严重的电能质量问题之一,本文提出采用基于可变遗忘因子的高阶累积量递推最小二乘(RLS)算法跟踪电压闪变包络。基于高阶累积量的误差准则取代传统的基于二阶统计量的误差准则,使算法不受任何高斯噪声的影响;可变遗忘因子的应用,使得算法能够快速跟踪包络的变化,又能在稳态情况下具有较好的收敛性能。Matlab仿真分析结果表明,在高斯噪声污染存在的情况下,本文算法相比传统RLS算法具有更高的估计精度,能够在噪声中准确地检测出电压闪变包络。     

可变遗忘因子RLS谐波电流检测方法研究

为提高谐波检测环节的动态响应性能和精度,提出了一种基于可变遗忘因子RLS算法的谐波电流检测方法。该方法给定一种判别条件来判断负载谐波电流动态过程是否发生,根据判别结果动态地给出遗忘因子的取值,化解了常遗忘因子RLS谐波电流检测方法中稳态与动态过程对遗忘因子不同的要求所产生的矛盾,从而提高算法收敛速度。仿真和实验结果表明所提方法比传统的递归最小二乘谐波电流检测方法具有更好的收敛速度和稳态精度。     

可变遗忘因子递推最小二乘法对时变参数测量

针对传统的递推最小二乘法对于非平稳环境下的突变和时变信号的跟踪能力不够,常常无法检测到信号特征参数的问题,提出了在指数加权递推最小二乘法中引入可变的加权遗忘因子λ,对电力系统时变信号的幅值、相位、频率进行测量的方法。加权λ对算法的收敛速度和跟踪能力有很大影响,如能很好的调节λ,既可确保对时变参数的快速跟踪能力,又能具备小的参数估计误差。仿真结果表明:与传统的递推最小二乘法相比,该方法测量精度和收敛速度更优越,即使在低信噪比环境下,也能较精确的测出时变参数值。     

一种改进变步长的自适应谐波检测算法

在有源电力滤波器( APF)谐波电流检测自适应滤波算法中,改进变步长自适应滤波系数调整方法.算法根据稳态谐波零均值的特点,利用系统历史积累误差均值估计代替单步误差更新步长因子,由滑动指数加权窗方式,提取出单纯的滤波器跟踪误差,步长更新的大小只取决于滤波器跟踪误差,不受谐波本身影响.通过步长因子与系统误差均值估计的类Sigmoid函数关系,动态控制类Sigmoid函数参数的变化,由此克服了类Sigmoid函数参数固定引起的稳态阶段误差偏大的缺陷.改进算法的复杂度有所增加,但能够保证较快的收敛速度、较高的检测精度和动态跟踪效果.通过对稳态和跃变的负载电流的仿真,结果证明了算法的有效性.     

基于改进的递归最小二乘法的滤波器研究

分析了基于递归最小二乘法(recursive least-squares,RLS)的自适应滤波算法,并针对非平稳环境下RLS算法跟踪能力差,导致误差大的问题,通过调节RLS算法中的指数加权因子λ,叠加一个自适应记忆,优化其跟踪性能.理论分析和计算机仿真均表明,带有自适应记忆的RLS算法具有较快的自适应跟踪能力和较好的稳...     

一种改进变步长的自适应谐波检测算法

在有源电力滤波器（APF）谐波电流检测自适应滤波算法中,改进变步长自适应滤波系数调整方法。算法根据稳态谐波零均值的特点,利用系统历史积累误差均值估计代替单步误差更新步长因子,由滑动指数加权窗方式,提取出单纯的滤波器跟踪误差,步长更新的大小只取决于滤波器跟踪误差,不受谐波本身影响。通过步长因子与系统误差均值估计的类Sigmoid函数关系,动态控制类Sigmoid函数参数的变化,由此克服了类Sigmoid函数参数固定引起的稳态阶段误差偏大的缺陷。改进算法的复杂度有所增加,但能够保证较快的收敛速度、较高的检测精度和动态跟踪效果。通过对稳态和跃变的负载电流的仿真,结果证明了算法的有效性。     

改进的梯度下降法在离散时滞系统中的应用

提出了离散时滞系统的辨识问题,这个问题包括时滞参数的辨识和系统动态参数的辨识。提出了一种基于辅助模型思想和低通滤波技术的带可变遗忘因子的随机梯度下降法对系统时滞参数和系统动态参数同时进行在线辨识。建立辅助模型,用辅助模型输出代替系统的无噪声输出。引入基于预测误差的可变遗忘因子,加快算法的收敛速度,提高算法的预测精度。同时,引入低通滤波技术增大时滞参数的收敛域,使得损失函数取得全局最优。最后,通过仿真证明了本文算法的有效性。     

一种改进的Levenberg Marquardt辨识算法

提出一种新的辨识算法对输出误差系统的参数进行辨识。运用Levenberg-Marquardt算法解决高斯牛顿法无法求逆的问题。一般算法中采用系统输出代替未知变量,但是系统输出中带有测量噪声会影响系统辨识算法的精度。为了解决这一问题,引入辅助模型思想,建立辅助模型,用辅助模型输出代替系统中的未知变量。带有固定遗忘因子的辨识算法,收敛速度较慢,预测精度较低。为了解决这一问题,引入基于预测误差的可变遗忘因子,加快算法的收敛速度,提高算法的预测精度。最后,通过仿真证明了本文算法的有效性。     

基于RLS自适应滤波算法的电力有源滤波器直流端电压控制方法

RLS自适应滤波器用于有源滤波器直流端电容电压的控制,克服了用LMS自适应滤波器收敛速度慢和稳态误差较大的缺点,同时对直流端电容电压的控制完全摒弃了传统的PI积分控制,解决了控制参数难以调节及对电路中其他参数的变化非常敏感的问题.稳态和暂态特性的仿真研究比较了两种自适应滤波算法对直流端电容电压的控制及对补偿后的主电流的影响,其中RLS自适应滤波器效果要好得多.     

基于强跟踪UKF的视频目标跟踪算法

针对无迹卡尔曼滤波（unscented Kalman filter ,UKF）在非线性系统状态估计中存在的跟踪缓慢和稳态偏差问题,提出一种基于强跟踪UKF的视频目标跟踪算法。该算法以无迹变换（unscented transform ,UT）为基础,结合强跟踪滤波器和UKF滤波器的优点,在状态预测协方差矩阵中引入时变渐消因子调节卡尔曼增益,强迫输出残差序列保持正交,并提取残差序列的有效信息,提高滤波器对状态变化的跟踪能力。仿真结果表明,利用强跟踪UKF算法对视频中的运动目标进行跟踪,具有更高的跟踪精度,状态滤波均方误差更小。     

基于Sigma点卡尔曼滤波器的电力频率跟踪新算法

通过变换,首先将三相电压信号转换成一复电压信号,再利用一种复数型Sigma点卡尔曼滤波(CSPKF)算法以改进对发生谐波畸变和随机噪声干扰的电力系统电压信号的频率进行动态估计和跟踪的过程。理论证明,CSPKF算法与现有的复数型扩展卡尔曼滤波(ECKF)算法相比具有更佳的跟踪精度和稳定性。此外,CSPKF算法还成功解决了所有卡尔曼滤波算法都必须面对的当算法收敛后,系统参数发生突变的情况下需要重置误差协方差矩阵来重新跟踪这些变化的问题,进一步提高了其跟踪速度。对几种暂态电力信号模型的算法仿真表明,CSPKF算法具有优异的动态跟踪性能,迅速跟踪频率和幅值变化的同时又保持了较低的跟踪误差。     

基于多重渐消因子变分贝叶斯的陀螺阵列融合算法

针对由多个MEMS陀螺仪组成的阵列系统在动态情况下噪声时变导致输出精度低的问题，提出了新的动态滤波模型和滤波方法。通过分析MEMS陀螺的误差特性和对角速度进行动态建模，构建了基于角速度估计的阵列陀螺随机误差动态滤波模型。由于动态情况下模型的不确定性导致传统方法精度较差，设计了一种多重渐消因子变分贝叶斯自适应卡尔曼滤波算法，利用变分贝叶斯思想和强跟踪理论提高了滤波器量测噪声估计精度、收敛速度和鲁棒性。最后在高精度转台上进行了静态实验和动态实验。实验结果表明：在静态条件下，“虚拟陀螺”方差降低为单个陀螺的4%，零偏不稳定性降低为47.2%；在动态条件下，“虚拟陀螺”能有效跟踪角速度的变化且角速度残差方差降低为单个陀螺的6.2%。该滤波算法能有效提高MEMS陀螺阵列系统的输出精度。     

Accurate tracking of harmonic signals in VSC-HVDC systems using PSO based unscented transformation

This paper presents the estimation of harmonics in a voltage source converter based HVDC (VSC-HVDC) system for designing AC side filters. The extended Kalman filter (EKF) is well known for estimating amplitude, phase, frequency, and harmonic content of a signal corrupted with noise. However, the EKF algorithm suffers from instability due to linearization and costly calculation of Jacobian matrices, and its performance deteriorates when the signal model is highly nonlinear. This paper, therefore, proposes an unscented Kalman filter (UKF) to overcome these difficulties of linearization and derivative calculations for robust tracking of harmonics in VSC-HVDC system. The model and measurement error covariance matrices Q and R along with the UKF parameters are selected using a modified particle swarm optimization (PSO) algorithm. To circumvent the problem of premature convergence and local minima, a dynamically varying inertia weight based on the variance of the population fitness is used. This results in a better local and global searching ability of the particles, which improves the convergence of the velocity and better accuracy of the UKF parameters. Various simulation results for harmonic signals corrupted with noise obtained from VSC-HVDC system reveal significant improvement in noise rejection and speed of convergence and accuracy.     

一种减小线性化误差的滤波跟踪算法

针对雷达目标跟踪数据滤波过程中,不同坐标系下测量数据处理引入量测误差的问题,提出通过估算非线性量测下扩展卡尔曼滤波算法的量测误差,再进行量测误差的有效修正,最后给出了1种减小线性化误差的滤波方程.通过对该滤波算法的仿真验证,该滤波算法增加了与距离有关的修正项,可实时对观测误差协方差矩阵进行计算,抵消了线性化误差的影响,...     

基于自适应无迹卡尔曼滤波的动力电池SOC估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电池SOC时,在未知的干扰噪声条件下滤波精度较低和稳定性较差等问题,基于等效的二阶RC电路模型,提出自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法.在模型参数辨识的基础上,构建...     

Novel model reference adaptive control architecture using semi‐initial excitation‐based switched parameter estimator

This paper is a generalization of the recently developed techniques of initial excitation (IE)–based adaptive control with an introduction to the definition of semi‐initial excitation (semi‐IE), a still more relaxed notion than IE. Classical adaptive controllers typically ensure Lyapunov stability of the extended error dynamics (tracking error + parameter estimation error) and asymptotic tracking, while requiring a stringent condition of persistence of excitation (PE) for parameter convergence. Of late, the authors have proposed a new adaptive control architecture, which guarantees parameter convergence under the online‐verifiable IE condition leading to exponential stability of the extended error dynamics. In earlier works, it has been established that the IE condition is significantly milder than the classical PE condition. The current work further slackens the excitation condition by proposing the concept of semi‐IE. The proposed adaptive controller is proved to ensure convergence of the parameter estimation error to a lower‐dimensional manifold under the weaker semi‐IE condition, while the stronger condition of IE guarantees convergence of the parameter estimation error to zero. The designed algorithm is shown to improve transient response of tracking error sufficiently in contrast to conventional adaptive controllers.     

改进自适应 ADMCC-HCKF 算法及在 SINS / CNS / GNSS 中的应用

针对传统容积卡尔曼滤波器(CKF)在非高斯噪声下滤波精度下降以及传统最大相关熵(MCC)算法收敛速度较慢的问 题,提出了一种改进的自适应相关熵高阶容积卡尔曼滤波(ADMCC-HCKF)算法。 该方法依据 MCC 迭代过程的误差变化自适 应调整核宽大小,核宽能够改变核参数对输入数据的敏感性,从而提高算法收敛速度及对非高斯噪声的处理能力。 基于非高斯 噪声环境,搭建 SINS / CNS / GNSS 组合导航实验,研究结果表明,改进的 ADMCC-HCKF 算法相比传统 HCKF 和基于常规 MCC 的 HCKF 算法具有更强的鲁棒性,在降噪性能及对非高斯噪声的适应性角度均有所提升的同时,滤波精度较 HCKF 算法提高 了 9. 63%。     

基于LQEKF的机载光电平台的模型预测控制

为了提高机载光电平台对目标稳定跟踪控制性能，提出一种基于线性二次增强卡尔曼滤波器的机载光电平台模型预测控制算法。建立机载光电平台的动力学模型，在卡尔曼滤波状态估计的基础上，引入线性二次调节器增益减小估计状态的相位延迟，使状态估计值更为精确，利用估计的状态设计模型预测控制器，减小目标跟踪误差。跟踪目标仿真实验结果与卡尔曼滤波状态估计结果最大误差减小了58.14%，与扩展卡尔曼滤波状态估计最大误差减小了52.62%，表明本算法能够有效提高机载光电平台对目标的跟踪控制性能，实现了机载光电平台对目标的稳定跟踪控制。     

STEKF协同残差归一化的感应电机转速辨识方法

为了提高感应电机无速度传感器矢量控制系统的性能,提出了一种强跟踪扩展卡尔曼滤波(STEKF)协同残差归一化(NR)的自适应转速估计方法。通过将渐消因子引入到状态预测协方差矩阵中,实时在线调整增益矩阵,强迫输出残差序列保持相互正交。同时,通过对残差进行归一化处理,自适应地调节渐消因子,消除由残差本身数值差异引起的信息不对称。该文提出的方法提高了系统模型对于实际系统以及外部环境变化的适应性,有效降低了估计误差,满足对于低速的估计要求。对基于STEKF协同残差归一化观测器的感应电机无速度传感器矢量控制系统进行了实验验证,实验结果证明了算法的正确性和有效性。