共查询到19条相似文献,搜索用时 267 毫秒
1.
2.
3.
提出了针对永磁同步电动机参数的静止辨识方案。采用最小二乘拟合法,实现了参数静止辨识;讨论了采用最小二乘拟合法时系统采样周期及采样点数对参数辨识结果的影响;给出了减小辨识误差的方法。实验结果证明了该方案的有效性和可行性,可作为新的功能模块嵌入原有调速控制器系统中得到应用。 相似文献
4.
5.
6.
针对永磁同步直线电机系统在有色噪声干扰下的辨识问题,提出了一种基于辅助变量的模型参数辨识方法。分析并建立了永磁同步直线电机的数学模型和系统的开环传递函数,引入辅助变量对标准的递推最小二乘法进行改进,对夹杂有色噪声数据的系统模型进行参数辨识。同时,基于固定模型的变回归估计方法(FMVRE)辨识了系统中可能存在的纯延时环节因子。仿真结果表明:在有色噪声影响下,辅助变量递推最小二乘法的辨识精度要高于标准的递推最小二乘法,各参数估计值的误差均在4%以下,并且额外增加的计算量较少。辨识实验的结果也证明了辅助变量递推最小二乘法能够在有色噪声干扰下辨识出较为精确的系统模型。 相似文献
7.
动力电池性能是影响电动汽车综合性能的关键因素,因此准确辨识锂离子电池模型的参数对后续电池系统的荷电状态估计和健康状态预测至关重要。为了提高锂离子电池模型参数辨识算法的精度,以磷酸铁锂电池作为研究对象,建立电池二阶RC等效电路模型,并采用基于变量遗忘因子的最小二乘算法对锂离子电池模型进行在线参数辨识。通过搭建测试平台进行充放电实验,基于2种不同工况的实验数据,分别用文中算法、递推最小二乘算法和传统的带遗忘因子的最小二乘算法进行参数辨识,根据辨识结果估计出的端口电压与实验测试得到的实际值的误差比较来描述文中算法辨识结果的准确度。实验结果表明,基于变量遗忘因子的最小二乘算法在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度。 相似文献
8.
混合动力挖掘机用超级电容的建模与参数辨识 总被引:1,自引:0,他引:1
超级电容模型的准确性直接影响混合动力挖掘机动力系统的仿真与控制。结合混合动力挖掘机的工况特点,选用了超级电容的等效电路模型进行参数辨识。根据实验所测数据,比较了普通递推最小二乘法、限定记忆最小二乘法和带遗忘因子的递推最小二乘法,分别进行了参数辨识和模型仿真,结果证明采用限定记忆最小二乘法辨识的模型参数更准确。 相似文献
9.
10.
针对最小二乘迭代法定位精度不高和卡尔曼滤波迭代收敛次数较多并对初始位置过于敏感的缺点,采用最小二乘迭代法和改进的卡尔曼滤波相结合的模型方法,该算法先用最小二乘迭代法对初始位置进行定位,再用改进的卡尔曼法进行滤波,仿真结果表明,该算法与最小二乘迭代法、卡尔曼滤波法、最小二乘和卡尔曼滤波结合等现有算法相比,其迭代5次达到收敛,迭代次数最少,且定位精度提高了60%。该算法可在北斗伪距定位上进行应用,可用于导航定位、也可用于网络RTK初始位置的定位。 相似文献
11.
将统计模型的回归系数看做状态向量,统计模型视为观测方程,利用卡尔曼滤波算法实现了统计模型的建模。该建模方法不仅便于实时处理、计算机实现、节省机时,而且由于卡尔曼滤波属于线性最小方差估计,所以相比最小二乘建模方法可望获得更高的建模精度。工程实践也验证了卡尔曼滤波回归统计模型的上述特性。 相似文献
12.
13.
14.
15.
针对建立手指触键运动自适应曲线的完整描述,提出了一种基于Leap motion空间3D体感传感器的新型测量方法。首先引入手指运动偏角的概念,建立手指触键运动模型并分布对齐坐标系;然后,根据新型测量方法,进行手指触键动作捕捉与运动特征点选取;最后运用不同的拟合模式在置信区间为95%的条件下处理手指触键动作数据,建立手指触键运动特征描述自适应函数。该函数针对不同长度的人手可为其提供准确的钢琴弹奏触键运动曲线。该研究为钢琴弹奏教育服务型机器人教学平台中的手指触键运动曲线自适应判别系统的建立提供理论支持。 相似文献
16.
17.
为了降低快速反射镜位置传感器的噪声水平同时又尽可能的减小滤波器所带来的不必要的相位滞后,在同样的硬件基础上提升位置信号的测量精度。将卡尔曼滤波方法引入到快速反射镜控制系统中,同时鉴于卡尔曼滤波器对建模精度的要求,对快速反射镜进行扫频结合手动拟合建模,并结合模型设计卡尔曼滤波器。在此基础之上,对卡尔曼滤波器和巴特沃斯滤波器的输出信号以及原始信号进行频谱分析,比较两种滤波方式的滤波效果和频谱覆盖范围。实验结果表明,卡尔曼滤波器的滤波效果为巴特沃斯滤波器的2.55倍,相位滞后量比巴特沃斯滤波器小36.0°,同时频域结果显示卡尔曼滤波器可以对更大频率范围的噪声有效。经过卡尔曼滤波以后,位置传感器测量精度明显提升。 相似文献
18.
基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识 总被引:2,自引:0,他引:2
针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。 相似文献
19.
微机保护中卡尔曼滤波模型参数的选择 总被引:2,自引:0,他引:2
卡尔曼滤波,是线性、无偏、最小方差的实时递推滤波,是一种高效、优化的数据处理方法。以输电系统的二状态电压模型和三状态电流模型的滤波模型参数的确定,进行了分析研究,以具体线路(山东邹县——潍坊500kV数学仿真线路)为例作了短路过程基频电压和电流分量的最优估计,获得了一套适合于各种故障情况的模型参数。此模型参数之滤波精度和收敛速度俱称满意。本法实时计算简单,特别适合于在高压输电线路的微机保护上应用。 相似文献