锂电池荷电状态(state of charge,SOC)的准确估计依赖于精确的锂电池模型参数。在采用带遗忘因子的递推最小二乘法(forgetting factor recursive least square,FFRLS)对锂电池等效电路模型进行参数辨识时,迭代初始值选取不当会造成辨识...锂电池荷电状态(state of charge,SOC)的准确估计依赖于精确的锂电池模型参数。在采用带遗忘因子的递推最小二乘法(forgetting factor recursive least square,FFRLS)对锂电池等效电路模型进行参数辨识时,迭代初始值选取不当会造成辨识精度低、收敛速度慢的问题。为此,将电路分析法与FFRLS相结合,提出基于改进初值带遗忘因子的递推最小二乘法(improved initial value-FFRLS,IIV-FFRLS)。首先,通过离线辨识得到各荷电状态点对应的等效电路模型参数并进行多项式拟合;然后,利用初始开路电压(open circuit voltage,OCV)和OCV-SOC曲线获得初始SOC,代入参数拟合函数得到初始参数;最后,将初始参数带入递推公式得到IIV-FFRLS迭代初始值。对4种锂电池工况进行参数辨识,结果表明:与传统方法相比,IIV-FFRLS的平均相对误差、收敛时间分别减小58%、23%以上;IIV-FFRLS具有更高的辨识精度与更快的收敛速度。展开更多
为了实现永磁同步直线电机PMSLM(permanent magnet synchronous linear motor)高精度的多电气参数在线辨识,提出了一种基于双模型的递推最小二乘电气参数在线辨识算法。首先,根据电机的dq轴电压方程分别建立了辨识定子电阻、永磁体磁链...为了实现永磁同步直线电机PMSLM(permanent magnet synchronous linear motor)高精度的多电气参数在线辨识,提出了一种基于双模型的递推最小二乘电气参数在线辨识算法。首先,根据电机的dq轴电压方程分别建立了辨识定子电阻、永磁体磁链的模型1和辨识q轴电感、d轴电感的模型2,并将2个辨识模型循环结合。其次,基于上述双模型结构,采用递推最小二乘算法实现电气参数在线辨识,并针对PMSLM运行时存在大量动态过程的特性,提出一种具有饱和特性的分段变遗忘因子;然后,对功率开关非理想因素导致的误差电压进行补偿,进一步提高了辨识的精准度;最后,仿真和实验结果证明了该辨识算法的有效性,且具有收敛速度快、辨识结果精度高、多工况适用等优点。展开更多
针对稀疏MIMO信道系统模型线性均衡过程中输入信号,输出信号都含有噪声的情况提出了一种变遗忘因子的稀疏正则化总体最小二乘算法(VFF-SRTLS)。本算法中采用总体最小二乘(TLS)的代价函数即瑞利商加入正则化的l_1范数和l_0范数作为其代...针对稀疏MIMO信道系统模型线性均衡过程中输入信号,输出信号都含有噪声的情况提出了一种变遗忘因子的稀疏正则化总体最小二乘算法(VFF-SRTLS)。本算法中采用总体最小二乘(TLS)的代价函数即瑞利商加入正则化的l_1范数和l_0范数作为其代价函数,并利用次梯度下降法产生的迭代式用以更新均衡滤波器系数,使均衡过程中代价函数最小;同时为了使算法能够适应信道快变环境而采用变遗忘因子(VFF),并且根据最速下降法得到遗忘因子的迭代式。仿真结果表明,在信噪比为10 d B的2×2 MIMO线性均衡过程中VFF--RTLS算法的收敛MSE值比RLS算法低约2 d B,VFF-l_0-RTLS算法的收敛MSE值比RLS算法低约1.5 d B。展开更多
文摘为了实现永磁同步直线电机PMSLM(permanent magnet synchronous linear motor)高精度的多电气参数在线辨识,提出了一种基于双模型的递推最小二乘电气参数在线辨识算法。首先,根据电机的dq轴电压方程分别建立了辨识定子电阻、永磁体磁链的模型1和辨识q轴电感、d轴电感的模型2,并将2个辨识模型循环结合。其次,基于上述双模型结构,采用递推最小二乘算法实现电气参数在线辨识,并针对PMSLM运行时存在大量动态过程的特性,提出一种具有饱和特性的分段变遗忘因子;然后,对功率开关非理想因素导致的误差电压进行补偿,进一步提高了辨识的精准度;最后,仿真和实验结果证明了该辨识算法的有效性,且具有收敛速度快、辨识结果精度高、多工况适用等优点。
文摘针对稀疏MIMO信道系统模型线性均衡过程中输入信号,输出信号都含有噪声的情况提出了一种变遗忘因子的稀疏正则化总体最小二乘算法(VFF-SRTLS)。本算法中采用总体最小二乘(TLS)的代价函数即瑞利商加入正则化的l_1范数和l_0范数作为其代价函数,并利用次梯度下降法产生的迭代式用以更新均衡滤波器系数,使均衡过程中代价函数最小;同时为了使算法能够适应信道快变环境而采用变遗忘因子(VFF),并且根据最速下降法得到遗忘因子的迭代式。仿真结果表明,在信噪比为10 d B的2×2 MIMO线性均衡过程中VFF--RTLS算法的收敛MSE值比RLS算法低约2 d B,VFF-l_0-RTLS算法的收敛MSE值比RLS算法低约1.5 d B。
