排序方式: 共有28条查询结果,搜索用时 31 毫秒
1.
针对用单批次激励试验数据进行多变量系统的智能辨识的不准问题,提出了一套基于M次不相关激励和汇总智能优化的多变量系统辨识方法.该方法的要点是:对于有M维输入的多变量系统的准确辨识至少需要M次不相关激励试验,然后采集试验数据,再用汇总智能优化指标进行多变量系统模型的辨识计算.通过理论推导证明了多变量系统辨识需要M次的不相关激励试验的必要性.通过一个应用实例验算,演示了新的多变量系统辨识方法的易用性、正确性和工程实用性. 相似文献
2.
根据MCP标准函数,利用控制器标准传递函数设计方法推导得出了一种新的PID参数整定公式.通过理论分析和仿真试验,验证了用MCP法公式整定的系统具有超调量小和鲁棒性高的优点. 相似文献
3.
4.
5.
针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。 相似文献
6.
针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。 相似文献
7.
8.
9.
10.
当前用智能优化算法进行多变量系统辨识时,普遍存在模型误差大的问题.M次不相关激励和汇总智能优化的方法(MUEAIO)被证明可以解决多变量系统辨识辨不准的问题.但关于M次不相关激励的必要性和充分性还需要更深入的论证.为此,针对一个三入一出的系统,本文设计了五组应用MUEAIO方法的多变量系统辨识仿真实验.实验结果表明:严格执行至少M次不相关激励可得到多变量系统的准确模型,而激励批次不足、或者是不满足不相关激励的条件将得到误差较大的模型,其误差主要表现在模型参数和输出量分量上. 相似文献