直流电机模型时变参数的在线辨识方法分析

为解决直流电动机实际运行中模型参数因受到运行环境、工况等条件的影响而导致其建模不精确的问题,研究和比较了递推最小二乘法、指数遗忘的递推最小二乘法、矩阵规范化的递推最小二乘法、投影算法、正则化的最小二乘法5种实时参数估计方法。引入平方误差积分准则、时间平方误差积分准则、绝对误差积分准则和时间绝对误差积分准则,对实时参数估计的精度和效果进行评判。计算机仿真结果表明,对于时变的直流电动机模型参数,RLSEF算法具有在误差积分准则意义下的最优辨识精度。     

遗传算法的双线性模型参数辨识

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。     

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。     

低阶加纯滞后对象参数辨识方法

针对低阶加纯滞后对象,提出了通过递推自动调整遗忘因子最小二乘法辨识对象的动态参数,对输入、输出信号进行滤波后,利用先验知识对输出信号作还原处理,得到新的输出信号,增大输入、输出信号之间的相关性,根据互相关函数和性能函数相联合方法辨识对象的滞后参数。仿真结果表明,该方法对于低阶加纯滞后对象参数辨识是有效的,且具有算法简便快捷,实用性强的特点。     

最小二乘法在感应电机参数辨识中的应用研究

基于矢量控制策略的感应电机调速是目前电气传动领域的研究热点．高性能矢量控制的关健在于转子磁场定向，而转子磁场定向的精度受电机参数变化的影响．控制系统的质量直接依赖于电动机会数测定的淮确程度．为此，利用最小二乘算法实现对感应电机参数的自适应辨识方法，并用Matlab语言进行了仿真，仿真结果证明了该方法的有效性。     

木材干燥窑的建模与参数辨识

针对木材窑干燥过程，给出了干燥窑的热传递关系式，建立了干燥窑传递函数模型．用最小二乘法对模型参数进行了离线辨识．为准确描述系统的时变特性，用递推最小二乘法对干燥窑的模型参数进行了在线辨识．运用上述方法对所设计的实验窑控制系统进行了辨识．实验结果证明，在线辨识得到的参数准确，模型阶跃响应误差值保持在４％以内．     

离散系统参数自适应辨识的最小二乘正交变换方法

基于最小二乘法在消除干扰方面的应用,应用矩阵变换及数值拟合的原理,充分考虑随机信号的影响,给出了一种正交变的离散差分模型自适应辨识方法,它能自动判别模型的阶,还能体现模型参数随信息更新的而实时更新的动态过程,提出了渐近消除记忆的时变离散系统参数自适应辨识方法。     

超级电容动态参数等效电路模型及实时辨识方法

针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识.进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识.搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性.结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08和3.56个百分点.     

最小二乘法在感应电机参数辨识中的应用研究

基于矢量控制策略的感应电机调速是目前电气传动领域的研究热点.高性能矢量控制的关键在于转子磁场定向,而转子磁场定向的精度受电机参数变化的影响.控制系统的质量直接依赖于电动机参数测定的准确程度.为此,利用最小二乘算法实现对感应电机参数的自适应辨识方法,并用Matlab语言进行了仿真,仿真结果证明了该方法的有效性.     

基于模型预测的重型商用车侧翻预警算法

在建立商用车侧倾简化模型和确定动态侧倾阈值的基础上,开发了基于侧翻时间预测的重型商用车侧翻预警算法和一套能觉察翻车危险的实时侧翻预警控制器,并进行了实车场地试验验证。试验结果表明,本文算法可在控制器上运行,并能在车辆接近侧翻时及时提醒驾驶员采取相应措施,从而避免侧翻发生。     

商用车造型设计中的价值工程分析

将价值工程的基本理论和方法引入到商用车造型设计中。对价值工程在商用车造型设计中的程序、步骤、方法等几个主要环节进行了探索。从商用车使用功能的价值分析、造型设计的价值分析、材料工艺的价值分析、色彩设计的价值分析等方面进行了研究。为商用车造型设计提出了有价值的设计思路。     

活性污泥数学模型基本参数的确定方法研究

介绍了活性污泥数学模型（ASM）中较难估值的动力学基本参数μmA、bH、μmH和后kmh等的确定方法。在探讨这些参数的确定方法的同时，引入了遗传算法进行参数优化。模拟试验结果表明，经优化确定参数的ASM模型具有较高的准确性和可靠性。     

基于遗传算法的多功能传感器模型参数估计

为有效避免被估计参数的错误极值收敛,提出了一种新颖的、基于遗传算法的多功能传感器模型参数估计技术,与传统的最小二乘方法相比,遗传算法具有更好的全局搜索特性,仿真结果表明,具有非线性输入输出关系的传感器结构参数可以以较高的运算速度和准确度被确定,从而完成了传感器二元变量的信号重构。     

线控制动系统模型辨识

分别采用基于传递函数模型、ARX模型及T-S模糊模型对由泵站及比例减压阀组成的线控制动系统进行辨识,辨识出通过PWM指令使比例减压阀输出轮缸压力的阀控系统,并对辨识结果进行模型验证。最后,比较了3种不同方案的系统辨识效果。研究结果对线控制动系统的建模和控制具有一定的实用价值。     

混合动力汽车经济型巡航的车速规划策略

选取功率分流式混合动力汽车为对象,以燃油消耗最小为目标开展巡航场景下的经济车速规划研究. 结合车辆动能管理与等效燃油最小化策略（ECMS）,提出增强型等效燃油最小化策略（R-ECMS）. 运用极小值原理推导油电等效系数,建立动能与电能间的等效关系;结合电能与燃油之间的等效关系,将车辆动能变化和电能消耗统一转化成燃油消耗. 为了兼顾电池SOC平衡以及车辆通行速度,采取非支配排序遗传算法优化R-ECMS权重系数中的参数. 仿真结果表明,与传统能量管理策略ECMS相比,R-ECMS可以降低8.06%的燃油消耗. 与采用最优算法的动态规划策略相比,R-ECMS能在实现次优的优化效果的同时大幅降低计算时间. 同时,与ECMS相比,R-ECMS在其他仿真场景下能实现6.94%的节油率,具有较好的泛化性能和应用前景.     

基于正则化遗传算法的结构损伤识别

针对结构参数反演问题中存在的强不适定性,提出了一种基于响应面的正则化遗传算法。在识别结构损伤时,将结构单元刚度折减作为损伤指示量,以结构模型的模态参数与真实结构的模态参数尽可能接近为优化目标,采用遗传算法进行反演计算。优化求解过程中,响应面方法的引入极大地降低了结构模态参数的计算量;而目标函数中正则化项的引入则起到了抑制测量信号噪声干扰、提高识别算法鲁棒性的作用。梁式结构的损伤识别数值算例表明本文提出的损伤识别方法简明、有效。更多还原