检索结果-内蒙古大学图书馆

控制工程 2022年第12期29卷 2177-2183页

作者：杨旭红陈阳方剑峰罗新上海电力大学自动化工程学院上海200090

为了适应核电厂汽轮机转速控制系统中时变的不确定性和非线性,提出了一种基于改进粒子群优化(PSO)算法的PID控制器。以大亚湾核电站900 MW汽轮机模拟机组在某一时期的转速实测数据为基础,首先利用遗忘因子递推最小二乘算法对汽轮机转速... 详细信息

为了适应核电厂汽轮机转速控制系统中时变的不确定性和非线性,提出了一种基于改进粒子群优化(PSO)算法的PID控制器。以大亚湾核电站900 MW汽轮机模拟机组在某一时期的转速实测数据为基础,首先利用遗忘因子递推最小二乘算法对汽轮机转速控制传递函数模型的参数进行辨识,得到汽轮机转速控制系统的传递函数模型;然后,运用改进PSO算法优化PID控制器参数。MATLAB/Simulink仿真结果表明,该方法具有较高的参数识别精度,增强了系统稳定性,在处理系统的内外干扰时,具有响应速度快、超调小等优点,明显改善了汽轮机转速的控制品质。

关键词：遗忘因子递推最小二乘算法改进PSO算法 PID控制器 MATLAB/Simulink仿真

来源：评论

学校读者我要写书评

暂无评论

基于FFRLS-SRUKF算法的锂电池SOC估计研究

引用

自动化仪表 2024年第10期45卷 99-104页

作者：林群锋高秀晶黄红武李斌王艺菲杨镓炜福建理工大学智慧海洋与工程研究院福建福州350118 海洋智能装备福建省高校重点实验室福建福州350118 福建理工大学电子电气与物理学院福建福州350118

传统无迹卡尔曼滤波在荷电状态(SOC)估计时主要面临两个问题:一是电池模型参数固定导致SOC估计精度低;二是协方差矩阵出现非正定时导致SOC估计失败。提出了遗忘因子递推最小二乘(FFRLS)算法结合平方根无迹卡尔曼滤波(SRUKF)的SOC估计算... 详细信息

传统无迹卡尔曼滤波在荷电状态(SOC)估计时主要面临两个问题:一是电池模型参数固定导致SOC估计精度低;二是协方差矩阵出现非正定时导致SOC估计失败。提出了遗忘因子递推最小二乘(FFRLS)算法结合平方根无迹卡尔曼滤波(SRUKF)的SOC估计算法。首先,建立二阶阻容(RC)等效电路模型。其次,利用FFRLS算法对电路模型参数在线辨识并实时修正电池等效电路模型,在此基础上使用SRUKF算法估计SOC。最后,通过间歇恒流脉冲放电和动态应力测试工况对所提算法进行验证。试验结果表明,该算法的平均绝对值误差低于0.0115、均方根误差低于0.012。与SRUKF算法相比,FFRLS-SRUKF算法具有更好的SOC估计性能,为电池管理系统解决锂电池的不一致性提供了可靠依据。

关键词：锂电池电池管理系统荷电状态等效电路模型在线参数辨识遗忘因子递推最小二乘算法平方根无迹卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

高速铁路轨道电路调谐区故障辨识方法研究

高速铁路轨道电路调谐区故障辨识方法研究

引用

作者：孙玉超山东科技大学

学位级别：硕士

轨道电路作为列车控制系统的重要设备之一，在保障列车安全及运行效率等方面发挥重要作用。调谐区作为轨道电路的重要组成部分，可有效防止相邻轨道间的信号互扰，实现信号从发送器到接收器的传递。由于其结构复杂，且拥有众多电气参数... 详细信息

轨道电路作为列车控制系统的重要设备之一，在保障列车安全及运行效率等方面发挥重要作用。调谐区作为轨道电路的重要组成部分，可有效防止相邻轨道间的信号互扰，实现信号从发送器到接收器的传递。由于其结构复杂，且拥有众多电气参数，在进行故障排查时难以及时定位故障范围。因此，为快速且精准的识别调谐区重要电气参数，本文结合工业控制领域常见的系统辨识思想，以我国应用最广泛的ZPW-2000A型轨道电路调谐区为研究对象，在不同故障模式下对调谐区进行参数辨识方法研究。本文主要做了以下工作:　　首先分析轨道电路设备的组成及工作原理，构建了调谐区四端网模型及等效电路模型，作为后续参数辨识研究的基础模型。然后阐述了调谐区3种典型故障模式及成因，分析不同故障模式下的轨面电压变化曲线，结合真实故障案例说明对调谐区进行参数辨识研究的必要性。　　针对递推最小二乘在运算过程中会出现“数据淹没”的问题，引入遗忘因子λ，借助λ的特性调整协方差及增益矩阵，有效提高算法的辨识能力。分别采用两种算法对调谐区进行参数辨识，对比3种常见工况下2种算法的辨识精度，含有遗忘因子的递推最小二乘算法收敛性优于递推最小二乘且稳定性较高。此外，遗忘因子的选取会影响整体收敛性能，本文进行不同遗忘因子下调谐区的仿真实验，结果表明在标准区间内遗忘因子设定越小，参数收敛越稳定。　　为解决遗忘因子递推最小二乘算法在运算过程中存在数据处理不灵活等问题，在粒粒子群优化算法基础上融合自适应混沌搜索理论，本文提出了自适应混沌粒子群优化遗忘因子递推最小二乘的改进辨识算法，借助混沌理论指导粒子进行自适应搜索，避免了粒子群算法在运算过程中陷入“局部最优”的状况。分别采用三种算法对调谐区模型进行参数辨识，仿真结果表明，改进后的算法可实现参数辨识的快速收敛，较粒子群优化遗忘因子递推最小二乘、遗忘因子递推最小二乘算法有较高的辨识精度。

关键词：高速铁路轨道电路调谐区故障辨识遗忘因子递推最小二乘算法自适应混沌粒子群算法

来源：评论

学校读者我要写书评

暂无评论

采用加速近端梯度和模糊扩展卡尔曼滤波组合的锂电池荷电状态估计

采用加速近端梯度和模糊扩展卡尔曼滤波组合的锂电池荷电状态估计

引用

第39届中国自动化学会青年学术年会

作者：纪曦曦浦琰杨生柯陈晶江南大学理学院

针对受到离群点污染的锂电池荷电状态(State of Charge,SOC)估计问题,研究了一种基于加速近端梯度(Accelerated Proximal Gradient, APG)和模糊扩展卡尔曼滤波(Extended Kalman Filter, EKF)组合算法。首先,为了反映锂电池的工作特性,... 详细信息

针对受到离群点污染的锂电池荷电状态(State of Charge,SOC)估计问题,研究了一种基于加速近端梯度(Accelerated Proximal Gradient, APG)和模糊扩展卡尔曼滤波(Extended Kalman Filter, EKF)组合算法。首先,为了反映锂电池的工作特性,建立了一个二阶RC(Resistance-capacitance)等效电路模型。然后,采用APG算法对输出离群值进行修正,再应用遗忘因子递推最小二乘算法(Forgetting factor recursive least squares, FFRLS)和模糊EKF交替估计电池模型参数和SOC。最后,为了验证所提出的算法的有效性,本文对三星锂电池进行建模,并比较了不同算法估计SOC的有效性。实验结果表明,所提出的算法具有较高精度。

关键词： SOC估计遗忘因子递推最小二乘算法加速近端梯度模糊扩展卡尔曼滤波离群点

来源：评论

学校读者我要写书评

暂无评论

燃料电池系统在线辨识和实时最大效率滑模控制方法

引用

中国电机工程学报 2019年第17期39卷 5118-5128页

作者：王天宏李奇尹良震苏波黄文强陈维荣西南交通大学电气工程学院

为保证燃料电池系统在负载工况变化条件下仍能无扰动地运行在最大效率点,提出一种基于遗忘因子递推最小二乘(forgetting factor recursive least square,FFRLS)在线辨识和Super-Twisting滑模算法的燃料电池系统实时最大效率跟踪方法。... 详细信息

为保证燃料电池系统在负载工况变化条件下仍能无扰动地运行在最大效率点,提出一种基于遗忘因子递推最小二乘(forgetting factor recursive least square,FFRLS)在线辨识和Super-Twisting滑模算法的燃料电池系统实时最大效率跟踪方法。该方法基于非线性曲线拟合原理,根据系统实时测量数据,在单位控制周期内实现对燃料电池最大效率点功率的实时估计。采用Super-Twisting滑模算法,保证燃料电池系统在负载工况变化情况下仍能运行在最大效率点。在搭建的测试平台上,开展了多指标性能测试与对比分析。实验结果表明,与扰动观测(perturb and observe,P&O)算法相比,所提出的方法优势更加明显。另外,针对燃料电池输出存在大扰动问题,与PID控制效果进行了对比实验。实验结果显示:Super-Twisting滑模控制变换器在输入电压大扰动下具有较强的鲁棒性,有利于燃料电池系统长期稳定运行。

关键词：燃料电池系统实时最大效率点跟踪遗忘因子递推最小二乘算法 Super-Twisting滑模控制算法鲁棒性

来源：评论

学校读者我要写书评

暂无评论

推广的遗忘因子递推最小二乘算法在GPS中的应用

引用

四川大学学报（自然科学版） 2002年第4期39卷 595-601页

作者：袁代林朱允民马洪四川大学数学学院成都610064

作者将推广的遗忘因子递推最小二乘算法应用到GPS以确定动态目标的轨迹 ,并与推广的Kalman滤波进行比较 ,发现两种算法在GPS中具有各自的优点 ,当噪声相关性较大又不能准确地得到其方差时。

关键词：全球定位系统 GPS Kalman滤波算子遗忘因子递推最小二乘算法目标轨迹估计误差

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：