基于PSO算法的GMM改进J-A磁滞模型的参数辨识与验证

为了解决现有的GMM-FBG电流传感器的磁滞非线性问题,基于经典的J-A磁滞模型提出了一种改进的适用于低频(＜ 120 Hz)条件下的J-A模型.采用粒子群(PSO)算法对改进后的J-A模型进行了分段参数辨识与优化,提高了模型的预测精度.搭建了相应的GMM-FBG交流电流传感系统实验平台,运用所提出的改进的J-A模型对...     

基于参数辨识的力传感器动态校准方法

力传感器动态校准通常采用静态指标分析方法,很难评价其结构参数对模型时变特性的影响,为此提出一种力传感器动态校准方法.针对被校准力传感器的结构特征建立参数化数学模型,分析动态激励与结构响应之间的频域传递关系;利用最小二乘法对传递函数的频谱特性进行解析,实现模型参数的辨识;采用频率分析法建立传递函数的频域几何关系式,实现动...     

基于PSO算法的MFF模型的参数辨识与优化

基于磁链理论和Monte-Carlo法,建立了磁流体薄膜(MFF)传感模型和MFF透射模型,分析了磁流体透射特性。采用粒子群算法对MFF透射模型进行了参数辨识,分析了群体数目、迭代次数、惯性权重、加速度因子等参数选值对算法运行结果的影响,并选取了最佳参数组合。搭建了MFF电流传感器实验平台,运用MFF透射模型对MFF电流传感器进行了仿真预测,分析了MFF厚度和粒子浓度对MFF透射性的影响,实验及仿真结果表明该模型预测误差在2.3%以内,该MFF电流传感器的测量灵敏度达到12 μW/A。     

双线性模型参数辨识的遗传算法

本文以遗传算法为基础，提出了一种辨识双线性离散动态系统模型参数的方法。该方法能够有效地克服噪声的污染，获得双线性系统参数的无偏估计值，应用该算法对双线性系统进行仿真表明，该方法辨识精度高，稳定性好。     

基于非线性遗传算法的DTS传感模型的参数辨识与优化

基于光纤拉曼散射效应和Monte-Carlo法,建立了一种DTS传感模型。采用非线性遗传算法对该模型的参数进行了辨识,分析了种群规模、进化代数、交叉率、变异率等参数选值对算法运行结果的影响,并选取了最佳参数组合。搭建了分布式光纤温度传感系统实验平台,并运用该DTS传感模型对分布式光纤温度传感系统进行了仿真预测。实验及仿真结果表明:该传感模型在空间分辨力为1 m时,预测误差在0.24%以内;该分布式光纤温度传感系统的测温误差不大于0.40 ℃。     

热膜式空气质量流量传感器动态非线性建模

热膜式空气质量流量传感器响应速度较快,测量范围宽,可靠性高,广泛应用于发动机空燃比的测量。但是,这种传感器的动态非线性问题影响了进气量测量的精度。采用基于多幅值阶跃信号的Hammerstein模型和两步辨识方法描述了传感器的特性。通过动态标定实验,得到不同幅值的阶跃输入、输出数据。根据幅值,用最小二乘拟合方法确定非线性系数,由输入数据和非线性系数得到静态非线性环节的输出。根据输出数据,运用线性自回归方法得到动态线性环节的传递函数。这样就建立起块联形式的动态非线性模型,有利于传感器动态非线性的校正。建模结果表明,动态非线性模型比线性模型可更准确地描述传感器的特性。     

闭环光纤电流传感器高阶动态模型及仿真

为研究光纤电流传感器脉冲电流测量能力,建立了传感器离散域高阶动态模型,并基于Simulink对传感器阶跃响应及频率响应特性进行仿真分析.结果表明:增大前向增益可提高传感器的响应速度和带宽,但过大的前向增益将会使系统超调振荡;滑动平均滤波器对超调振荡有明显的抑制作用,但同时也会降低系统的响应速度和测量带宽.搭建了频率响应...     

基于函数连接神经网络的传感器Hammerstein模型辨识研究

针对非线性动态传感器模型辨识问题,提出利用函数连接神经网络算法对非线性系统的Hammerstein模型进行一步辨识的方法。以多项式逼近传感器中的静态非线性环节,同时结合动态线性环节的差分方程,建立关于直接输入输出的离散数据表达式,利用改进FLANN训练求解Hammerstein模型参数。采用变学习因子的方法对FLANN算法进行改进,提高了收敛速率和稳定性。实验结果表明,该辨识方法简单有效且具有更快的收敛速度。     

基于最小二乘支持向量机的传感器非线性动态系统辨识

讨论了一种基于最小二乘支持向量机的非线性动态传感器系统辨识方法,并给出了相应的推导过程和学习算法.首先,将传感器的非线性动态系统分解为静态非线性子环节和动态线性子环节串联--Hammerstein模型;然后,建立类似线性的中间模型,通过该模型能将Hammerstein模型的非线性传递函数转换为等价的类线性形式;再通过LS-SVM线性回归算法求取中间模型参数;最后推导出中间模型参数与Hammerstein模型参数之间的关系,并通过该关系反演出原传感器系统的Hammerstein模型参数,实现传感器非线性动态辨识.仿真与实际传感器系统辨识的实验结果均表明该方法可行.     

基于Hammerstein模型的MAF传感器的动态补偿研究

用Hammerstein模型表示具有动态非线性特性的汽车空气质量流量(MAF)传感器,所设计的动态非线性补偿器包括动态线性补偿器和静态非线性校正器.对动态标定实验装置中的阀门进行建模,阀门的阶跃响应作为传感器的激励信号.应用系统辨识法设计动态线性补偿器,应用反函数多项式拟合法设计静态非线性校正器.仿真结果表明,动态线性补偿器起到改善传感器动态性能指标的作用,静态非线性校正器可以保证校正后无失真的复现传感器的输入信号.同时,所设计的动态非线性补偿器具有良好的适应性,在传感器的不同幅值输入时,都起到了动态性能指标改善、稳态幅值无失真复现的作用.     

基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识

提出一种基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识方法。该算法采用动态自适应调整策略,提高了粒子群算法收敛速度;同时引入新型遗传算法混合交叉变异机制,避免了粒子群陷入局部最优。将自适应粒子群遗传算法与标准粒子群算法、遗传算法、人工蜂群算法进行了比较,仿真实验结果表明该算法在迭代60次左右完成参数辨识,各参数的辨识相对误差均降低到了1%以内。最后利用旋转柔性关节实验平台进行了实验验证,实验结果证明了该算法具有更好的收敛速度和寻优精度。     

气动肌肉的最小二乘支持向量机迟滞模型

针对传统迟滞模型存在的待辨识参数多、参数辨识过程复杂和辨识精度低等问题,采用最小二乘支持向量机对气动肌肉的位移/气压迟滞开展建模研究。通过非线性映射将原始数据空间映射到高维空间,将原系统的非线性问题变成高维空间中的线性问题,借助于最小二乘法求解该线性方程组,从而提高其求解速度及收敛精度。在气动肌肉迟滞特性实验的基础上,采用所建数学模型,与经典的PI模型进行对比。结果表明,采用最小二乘支持向量机建立的数学模型具有更高的建模精度,均方差和平均误差相比PI模型分别减小了99.21%和99.1%,该方法可为后续气动肌肉的迟滞补偿控制提供有效的手段。     

基于IHHO算法的光伏电池工程模型的参数辨识

针对HHO算法存在搜索过程调整不够灵活,不能针对性地进行阶段性搜索,有时会陷入局部最优使算法搜索精度相对较差等问题,提出了一种基于改进哈里斯鹰优化(IHHO)算法的参数辨识方法.对HHO算法进行了两项改进:引人柔性递减策略,在迭代初期扩大全局搜索范围,在迭代后期延长局部搜索时间,从而加强了初期的全局搜索能力和后期的局部...     

基于改进蝠鲼优化算法的光伏组件参数辨识模型

为了解决当前光伏组件模型中存在的参数辨识精度低和稳定性差的问题,提出了一种基于折射学习机制的蝠鲼觅食优化算法的三二极管光伏组件参数辨识模型(RLMRFO-TDM)。该模型将差分进化机制融入到MRFO算法的种群更新环节,提高了MRFO算法的局部探索能力,并加快了MRFO算法收敛速度;引入折射学习机制改善了MRFO算法的随机性,提高了种群在搜索区域中的离散性和MRFO算法的全局搜索能力。利用基准测试函数,验证了RLMRFO算法的有效性;采用STP6-120/36和STM6-40/36两种光伏组件的数据集对RLMRFO-TDM模型的参数辨识进行性能测试,与其他模型相比,RLMRFO-TDM模型的辨识精度、稳定性以及收敛速度表现最优。     

金属橡胶/橡胶复合叠层耗能器动力学模型及参数识别

采用电液伺服材料试验机的位移加载方式,对金属橡胶/橡胶复合叠层耗能器进行动态特性研究,在此基础上结合理论分析建立了耗能器的动力学模型,并利用傅里叶级数展开技巧辨识出模型中的未知参数,对比理论与试验结果表明,所建模型可靠且参数识别精度能够满足工程应用的要求.