改进的变步长自适应谐波检测算法

基于自适应对消原理的自适应谐波检测算法因其优良的性能被广泛应用于有源滤波器,但该算法存在无法平衡稳态精度和收敛速度方面的不足。针对此不足,文中基于箕舌线函数和三阶权值系数提出了一种改进的变步长(Least Mean Square,LMS)谐波检测算法。该算法利用误差信号的自相关平均估计获得期望误差估计均值,并通过改进的箕舌线迭代函数作为核心函数来调节步长更新,之后通过推导出来的三阶权值公式代替传统的权值迭代。仿真实验结果表明,该算法在谐波检测中不但具有较快的收敛速度,也能获得较高的稳态精度。     

基于新型变步长算法的自适应三相电路谐波检测

三相电路谐波自适应逐相检测系统存在动态性能与稳态精度的矛盾,瞬时无功功率理论ip-iq运算方式的三相电路谐波检测系统中,三相谐波检测也直接受到直流分量分离的速度与稳态精度的影响。基于Least Mean Square（LMS）算法自适应理论,推导出自适应检测新型最佳迭代变步长算法,克服自适应算法的动态性能与稳态精度的矛盾,并且将该变步长算法分别运用于三相电路谐波逐相自适应检测与基于无功功率理论ip-iq运算的三相电路谐波检测直流量分离,提高三相谐波检测的质量。理论分析与仿真验证表明,新的迭代变步长算法可以改进三相电路谐波检测跟随性能与准确性能。     

改进的变步长自适应谐波检测算法

基于自适应噪声消除理论,考虑电网负载电流低信噪比的特性,对传统的最小均方(LMS)算法进行改进,得到一种新的变步长LMS自适应谐波检测算法.利用反馈误差信号的均值估计控制步长及权值的更新,当权值逐渐接近最佳值时,步长逐渐减小以保证较小的稳态误差,并有效降低不相关噪声信号的干扰.在权值迭代过程中加入动量,进一步提高系统的...     

一种模糊变步长自适应谐波检测算法

电力有源滤波器的成功应用依赖于精确的谐波电流检测技术。基于自适应干扰对消理论,提出一种基于模糊变步长推理的最小均方差（LMS）自适应谐波检测算法。通过分析影响LMS自适应谐波算法性能的不利因素,选取均方误差变化量和输入输出信号相关函数作为参量,建立模糊推理系统,自适应地调节算法的步长,实现谐波检测过程中,既能保证较快的动态响应速度和对噪声干扰的抑制,又能保持较高的检测精度,并通过计算机仿真及物理实验验证了该算法的有效性和可行性。     

基于自适应算法的谐波检测方法研究

由于低通滤波器的影响,传统的ip-iq算法有检测速度慢的缺点,针对此缺点,本文提出了一种基于变步长LMS/LMF算法自适应滤波器来代替低通滤波器的作用,针对输入信号的特点相应的改变自适应滤波器的步长因子,同时改变最小均方算法(LMS)和最小四阶矩算法(LMF)的比例,充分发挥了LMF和LMS检测精度和检测速度的优势。仿真结果表明,提出的算法检测速度和精度具有明显的优势,具有一定的工程应用价值。     

基于模糊变步长自适应谐波检测算法的研究

提出了一种新的基于模糊控制理论的变步长自适应算法,将其应用于有源全补偿消弧控制的谐波电流检测中,得到很好的效果.模糊推理算法适合于强非线性、强不稳定性系统,自适应算法具有良好的自学习和自调整能力,本文提出的新算法将两者结合在一起,实现优势互补,解决了传统LMS算法跟踪速度和稳态误差之间的矛盾,既具有较快的动态响应速度,又保持较小的稳态误差,滤波性能得到改善,而且计算量小.实验和仿真验证了该方法的有效性和优越性.     

基于自适应增益LMS算法的谐波检测新方法

有源电力滤波器(APF)需要对谐波电流进行检测,快速准确的谐波检测方法能够提高有源电力滤波器的补偿性能。本文基于最小均方算法,改进了谐波检测算法,该算法从减小集平均代价函数出发,基于自适应增益,推导出新的步长迭代公式;从检测算法的快速准确性出发,通过Matlab仿真和DSP实验可以看出该算法得到的基波幅值误差为0.2%,迭代响应时间为0.01s,不仅达到了很高的检测精度,而且能在半个基波周期内达到稳定,验证了新检测算法的准确性和快速性。     

基于线性神经网络的谐波检测方法研究

在比较了当今多种谐波检测方法的优缺点基础上,提出了基于线性神经网络的谐波检测方法。构造了谐波检测的网络模型,对利用该方法进行谐波检测的原理做了简单的介绍。文中运用最小均方差算法(LMS)调节网络权值W,使得误差指标达到最小值。最后构造含有奇次谐波的负载电流函数,利用MATLAB软件分别运用加汉宁窗的快速傅里叶变换(FFT)方法和构造的自适应线性神经网络方法进行仿真实验。通过实验结果表明,基于自适应线性神经网络方法的谐波检测技术具有更好的检测精度。     

基于箕舌线函数的变步长自适应谐波电流检测算法

针对现有变步长最小均方(LMS)广义谐波电流检测不能消除同频谐波电流和基波无功电流对步长更新的干扰,以及对跃变的系统跟踪能力差的问题,文中提出一种基于箕舌线函数的变步长LMS谐波电流检测算法。该算法采用将当前时刻负载电流减去滤波器输出的误差信号与参考输入信号的瞬时互相关时间均值估计来消除基波无功电流和谐波电流的干扰,并通过改进的箕舌线函数来调节算法的步长,从而在保证动态响应时间不增大的前提下,使算法具有更小的稳态误差,对跃变的系统具有较强的跟踪能力,且其参数的取值对负载电流大小的依赖性较小。计算机仿真结果证实了该方法的有效性。     

一种新型变步长自适应谐波检测算法

提出了一种改进的变步长自适应谐波电流检测方法,它利用滑动积分器提取跟踪误差,并采用带有自调整因子的模糊调整器来动态调整算法的步长,从而提高了谐波检测的动态响应速度与稳定精度.为了简化系统设计并易于硬件DSP实现,采用了非均匀量化的模糊化和清晰化规则,而且由于存在自调整因子,此模糊调整器可根据检测系统的实际情况对调整规则进行自动、实时的调整,增强了整个算法的鲁棒性.通过实验证明该算法动态性能良好,可以快速地跟踪负载电流的突变.     

基于双DSP的多电机协同控制系统

多电机协同控制系统中,为满足控制的高效性和实时性,提出使用双DSP并行处理器结构,采用双口RAM实现其数据高效传输。结合双口RAM技术特点,设计了双DSP硬件电路和软件流程。试验验证双DSP控制的四台电机协同特性好、运行稳定可靠。     

基于变步长自适应算法的滤波器设计

本文描述了基于自适应滤波理论的变步长窗口大小的自适应算法。该算法一般用于微型计算机为基础的继电保护及自动化设备。本文提出了一个变步长自适应窗算法,并给出了该算法的原理和如何改变窗口的大小和长度方法的步骤。仿真结果表明,该算法具有良好的性能,并适合在以微型计算机为基础的继电保护及自动化设备上的使用。     

基于TLS自学习算法的谐波检测

基于Newton算法,本文导出了一种用于TLS估计的自学习算法,讨论了它在谐波检测中的应用。证明LMS算法和约束反Hebbian自学习算法(Constrained Anti-Hebbian Learning Algorithm)是本文提出的算法的两个特例。仿真结果表明,该算法的噪声剔出能力和收敛速度优于LMS算法和Constrained Anti-Hebbian自学习算法。     

基于卡尔曼算法的有源电力滤波器谐波检测方法的研究

谐波电流检测技术是有源电力滤波器的关键技术之一,谐波电流检测的精度与速度直接影响有源电力滤波器的补偿精度及速度.常规的谐波电流检测方法速度慢、精度不高,提出采用基于卡尔曼算法的谐波电流检测方法,该方法是以最小均方误差为准则的最优线性估计,只包括矩阵的加、乘与求逆运算,因此,可实现快速、精确的实时检测,还通过仿真验证了该方法的有效性与实用性.     

基于RLS算法的时变谐波检测

以自适应线性组合器为时变谐波检测器的模型,根据逆归最小=乘(RLS)自适应滤波算法较好的跟踪性能,使之应用于时变谐波的跟踪检测.仿真表明该方法比以往的基于最小均方(LMS)自适应滤波算法的谐波幅值和相位参数的测定具有更好的跟踪效果.     

基于自适应变步长最小均方的谐波检测算法的研究

从数字信号处理中的自适应噪声对消原理出发,介绍了一种改进的变步长最小均方(LMS)算法,该算法根据基波电流和谐波电流的不相关性,利用误差信号和参考输入的互相关估计来控制迭代步长,使得步长的更新不受谐波电流的影响。该算法原理简单,运算量小,易于实现,仿真结果表明了该谐波电流检测算法的有效性。     

基于遗传算法的无刷直流电动机自适应模糊控制

针对模糊控制器所存在的问题,提出了基于遗传优化机制自适应模糊控制器的设计方法。模糊控制规则和模糊变量的隶属度函数的参数,均利用遗传算法进行离线确定和优化。将优化后的自适应模糊控制器用于无刷直流电动机的双闭环控制系统中。仿真结果表明该系统无超调、响应快,具有较强的鲁棒性。     

单神经元变步长控制算法在谐波检测中的应用

提出了基于单神经元的变步长自适应谐波检测方法,充分利用单神经元具有的自学习、自调节、自组织能力的优点,运用变步长自适应控制算法,通过实时在线调节步长,达到系统本身自调节以应对电网参数的突变.同时,以TMS320F2812型DSP为核心搭建了检测分析平台,实时检测分析电力谐波次数;运用CAN总线将分析结果实时传送到上位机...     

基于变论域变步长LMS算法的自适应逆控制系统稳定性

提出一种基于变论域变步长LMS自适应滤波算法,该算法的步长随偏差论域的变化而变化。理论研究和仿真结果表明,该算法在控制系统对象及其逆的建模中能同时兼顾初始收敛速度、时变系统跟踪能力及收敛精度三个性能指标,可应用于自适应逆控制系统对象及其逆的建模中,使控制系统具有良好的动静态特性。并给出了基于变论域变步长LMS算法的自适应逆控制系统全局稳定性证明。