涡扇发动机模型辨识及其控制器设计

在涡扇发动机的实验数据的基础上,采用最小二乘方法和极大似然法对发动机的数学模型进行辨识,然后针对建立的数学模型设计有效的新型PID控制方法。通过仿真验证表明,采用系统辨识的方法得到的模型能较好地反映系统的性能,设计出的控制器也能明显提高控制器性能,满足发动机控制的需要。     

高速高精运动平台模型参数最小二乘辨识研究

针对高速高精运动控制对象模型参数辨识的问题,对辨识对象模型、最小二乘辨识算法和滤波器等内容进行了研究,提出了一种基于滤波器的最小二乘线性回归方程的辨识算法,即加入一个稳定的二阶传递函数,对系统输入输出数据进行了滤波处理,使辨识算法在噪声环境下能够减小失真且运行稳定.仿真与实验结果表明,最小二乘在有噪声的闭环运动控制系统中的辨识结果不收敛且失真,而加入滤波器的最小二乘算法能显著提高控制系统的稳定性及精确度,且满足其高速高精的要求.     

基于实时反馈的机床热误差在线补偿模型

为建立一种能够适应机床不同工况且具有准确预测能力的热误差补偿模型,提出一种基于限定记忆递推最小二乘法辨识热误差模型参数的机床热误差预测建模方法。该方法随着机床工作状况的改变,根据实时反馈的温度和热误差数据,采用递推方法对模型参数进行即时修正,使热误差模型能够及时跟踪机床系统的热特性变化,实现以较高的预测精度对机床热误差进行补偿。通过数控车床主轴轴向热误差辨识建模及补偿实验可以看出,限定记忆递推最小二乘法比一步最小二乘法辨识精度有较大提高,最大残差值减小了52.3%,标准差减小了67%。实验结果表明,利用该方法进行机床热误差模型参数辨识具有较高的预测精度和鲁棒性,有效可行。       

挖掘臂动力学参数与液压缸摩擦力参数辨识

建立了挖掘臂单关节动力学模型及液压缸驱动力模型,将模型中的未知动力学参数及非线性摩擦力参数线性化表示。利用测量的系统压力及角度信息,分别采用带遗忘因子的递推最小二乘法及递推增广最小二乘法对系统参数进行辨识。对辨识所得的两个模型进行仿真,与实际系统对比分析结果表明,辨识模型能很好地逼近实际系统。误差对比分析结果表明:递推增广最小二乘法比带遗忘因子的递推最小二乘法误差减小约28%,对系统噪声有更好的鲁棒性。     

线性系统辨识与仿真方法探讨

线性系统辨识的目的是确定对象系统的状态与参数，仿真是根据确定的状态与参数构成一个等于对象系统的仿真模型。本文讨论的是模型的参数估计与仿真。参数估计有许多方法，本文针对最小二乘法在线性系统参数估计上的应用进行了探讨，并编制了线性系统辨识和仿真软件，该软件在系统辨识和仿真方面有实用意义。     

电液比例压力控制系统参数辨识与智能PID仿真

电液比例控制系统由于控制模型的参数无法准确获取,存在难以实现高精度、响应速度快和抗干扰能力强的控制系统的问题,本次研究采用最小二乘系统辨识法与智能PID控制相结合,有效地解决电液比例压力控制系统的难题。首先建立电液比例压力控制系统的理论模型;其次,在理论模型的基础上,根据系统单输入和单输出的实验数据,采用最小二乘系统辨识法,获得电液比例压力控制系统的传递函数;然后,根据传递函数模型,采用MATLAB软件求解非线性方程组得到系统模型参数;最后,采用智能PID控制方法,对控制系统进行仿真。仿真数据表明,本次研究成果对于工业中电液比例压力控制系统具有较好的指导作用。     

预报误差法在气动系统模型辨识的应用与实现

预报误差法是一种精确度较高的辨识方法,其辨识误差要远远小于最小二乘法.本文对实际生产中气动系统采用预报误差法进行气动模型参数的辨识,得到该系统的动态模型.将辨识模型仿真结果与系统实验测量数据进行比较,该模型是可信的.这个模型不仅能够较好的反映系统的动态特性,而且有利于系统控制器的设计.     

基于两重威布尔分布的铸造造型机可靠性分析

为了定量分析铸造车间造型机故障的分布规律,并为其可靠性分析提供理论依据,收集设备故障数据,确定其服从标准威布尔分布,并进行参数拟合.在此基础上,建立了两重威布尔混合分布模型,通过图解法得到参数估计初始值,利用非线性最小二乘法进行参数估计优化.比较两参数威布尔、两重威布尔图解法以及非线性最小二乘法得到的参数,得出混合模型非线性最小二乘法参数估计值最为精确.根据已知参数估计值,最终确定该造型机可靠性函数,为其可靠性指标的进一步计算提供信息.     

力传感器模型辨识及动态补偿器设计

力传感器作为测控系统的最前端,其动态特性对测控系统特性有本质影响。为建立有效改善力传感器动态特性的补偿器方法,根据非线性最小二乘法建立了力传感器的动态数学模型,基于零极点配置法设计了力传感器的动态补偿环节。针对以上方法进行了系统辨识实验与动态补偿环节仿真设计。实验与仿真结果表明,非线性最小二乘法能够切合实际地建立非线性系统的辨识模型,零极点配置法所设计的动态补偿环节极大地改善了传感器的动态特性,可以将该补偿方法应用于工程实际当中。     

基于最小二乘模型的Bayes参数辨识方法

现实中的系统都具有一定的非线性,并且这种非线性在非线性通道补偿和非线性系统故障诊断等领域是不可忽略的。针对有白噪声干扰的输出误差非线性系统,将数学模型与基于最小二乘的Bayes算法相结合,用数学模型参数代替辨识模型信息向量中的未知项,用基于白噪声的最小二乘模型进行不可预测辨识,从而提出了基于最小二乘模型的Bayes参数辨识方法。介绍了Bayes基本原理及2种常用的方法,经过理论分析和MATLAB仿真研究证明,该方法原理简单、计算量小、速度快、抗干扰能力强,可以对较高精度非线性系统进行参数估计和在线辨识。     

力传感器模型辨识及动态补偿器设计北大核心

力传感器作为测控系统的最前端,其动态特性对测控系统特性有本质影响。为建立有效改善力传感器动态特性的补偿器方法,根据非线性最小二乘法建立了力传感器的动态数学模型,基于零极点配置法设计了力传感器的动态补偿环节。针对以上方法进行了系统辨识实验与动态补偿环节仿真设计。实验与仿真结果表明,非线性最小二乘法能够切合实际地建立非线性系统的辨识模型,零极点配置法所设计的动态补偿环节极大地改善了传感器的动态特性,可以将该补偿方法应用于工程实际当中。     

基于发动机平均值模型对汽油发动机空燃比进行仿真研究

空燃比作为发动机其他参数调整的基础和依据,在控制参数调整中起到重要的作用。为了使发动机各项性能指标达到最优的目的,需要对空燃比进行精准控制。本文在MATLAB/Simulink的环境下,建立了包含进气系统动力学模型、燃油蒸发与动态油膜模型、动力输出子系统模型的发动机平均值模型。对该模型燃用汽油的空燃比进行了仿真,仿真结果与发动机燃用汽油的化学计量空燃比相同,为进一步研究发动机空燃比控制具有重要意义。     

限定记忆最小二乘辨识与非对称缸液压系统

针对非对称液压缸系统,以PRMS信号为激励信号,对比了普通最小二乘法与限定记忆最小二乘法在开环辨识中的辨识效果.并将限定记忆最小二乘辨识方法所得的辨识模型同实际系统的输出进行了对比和验证,证实了限定记忆最小二乘辨识方法的有效性.     

人工胰脏中数据驱动个体血糖代谢模型的辨识

数据驱动时间序列模型是人工胰脏系统中最常用的一类血糖预测模型,但其血糖预测精度受到进食不确定性和胰岛素敏感性波动等实际因素的影响。本文从真实血糖测量数据入手,提出基于卡尔曼滤波参数估计的带输入误差滑动平均模型的辨识方法,将辨识结果与最小二乘法辨识结果进行对比。结果表明,本文提出的辨识方法具有辨识精度高(FIT:90.05±3.12%v.s.54.41±9.56%)、能有效抵消实际因素的影响、对不同特征的个体能获得稳定的辨识结果等优势。     

直线伺服系统模型参数辨识及其实验研究

为了使伺服驱动系统具有较好的控制性能,对系统建模与辨识、系统性能进行了研究。传统方法建立的直线伺服系统数学模型误差大,为了求出精确的系统模型参数,将基于最小二乘的阶跃辨识法应用在直线伺服系统的模型参数辨识中,并计算出实验数据与仿真数据的拟合误差(0.0018)和相关系数(0.9970)。仿真与实测结果表明,该模型辨识算法可行,对输出测量噪声不敏感,鲁棒性好。采用极点配置法设计了位置控制器,并对其进行了实验研究。通过合理配置系统极点的位置,显著地减小了摩擦力对系统性能的影响。     

压电执行器的Bouc-Wen模型在线参数辨识

现有的定参数Bouc-Wen模型由于无法表征压电执行器迟滞具有的频移和时变性,极易产生较大的模拟误差。为了精确地模拟压电执行器的迟滞特性,本文建立了压电执行器的Bouc-Wen模型,并采用递推最小二乘在线辨识方法来实时辨识Bouc-Wen模型的参数。为了避免出现数据饱和现象,使用限定记忆来限定辨识方法所使用的数据组数。为验证该辨识方法的有效性,建立了相应的实验系统对其进行实验验证。实验结果表明,限定记忆递推最小二乘在线辨识方法能使Bouc-Wen模型也呈现频移和时变特性。以100 Hz的驱动电压为例,其最大绝对模拟误差从1.38μm降为0.51μm。因此,与传统的离线参数辨识方法相比,限定记忆递推最小二乘在线辨识方法能够有效地提高Bouc-Wen模型的模拟精度。     

递推最小二乘法在火电厂模型辨识中的应用

通过介绍递推最小二乘辨识算法,对火电厂典型的一阶惯性和带有纯迟延时间的一阶系统进行参数估计,并对参数估计过程进行了分析,利用SIMULINK软件搭建模型进行仿真,结果表明这种算法收敛性好,精度较高,能够用来对实际的热工对象进行参数辨识仿真。     

基于分布式最小二乘法的锂离子电池建模及参数辨识

精确的锂离子电池模型对于电池状态的准确估计以及电动汽车整车的仿真、设计与优化具有至关重要的意义。然而,传统的递推最小二乘方法应用于电池这类多时间尺度系统时,会出现模型参数辨识精度低、建模效果差等问题。为此,以锂离子电池二阶RC等效电路模型为研究对象,提出一种基于分布式最小二乘的模型辨识参数方法。此方法根据电池不同时间尺度可以分离的特性,将电池模型细分为两个子模型分别进行辨识,避免了待估参数的相互干扰,因而能够取得更好的参数估计效果。试验结果表明,相比传统的递推最小二乘辨识方法,提出的方法在UDDS和FUDS工况下能够将平均绝对误差分别降低约50.00%和28.57%,均方根误差分别减小约46.43%和29.17%,验证了所提方法的有效性和可行性。     

基于渐近法的废气氧传感器Hammerstein模型辨识

为了解决与发动机空燃比控制相关的废气氧(EG0)传感器精确建模问题,基于渐近(ASYM)法辨识了EGO传感器的Hammerstein模型。模型的非线性部分用静态实验数据拟合,动态线性部分的辨识分为三步。先估计一个高阶ARX模型,然后依据渐近准则(ASYC)找出最佳频率响应估计的模型阶次,再采用极大似然(ML)法估计降阶后的模型参数。通过残差分析、交叉验证和模型误差模型(MEM)测试,将得到的ASYM模型与输出误差(OE)模型和Box-Jenkins(BJ)模型进行比较。结果表明,基于ASYM法的Hammerstein模型能够更精确地捕获EGO传感器的频域动态特性,并且用ASYM法能够量化模型的频域误差上限以评价建模精度。     

发动机启动过程的性能研究

本文在博世ME7电控系统的基础上研究了汽油机启动过程中的控制逻辑,具体分析了发动机冷启动和热启动过程中的喷油量衰减特性,以及启动过程中空燃比和点火提前角的变化规律,然后将启动过程的控制算法烧写到自主开发的ECU中。台架测试结果表明,自主研发的ECU能够快速启动发动机,各种启动工况下喷油量的衰减特性以及空燃比和点火提前角的变化规律均在理想范围之内。