针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积...针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积分滑模变结构控制策略。谐波检测环节采用改进的瞬时无功功率理论的id-iq法,用RLS自适应滤波器替换传统的Butterworth低通滤波器,解决了传统的Butterworth低通滤波器因延时而导致的一个基波周期(20 ms)内检测盲区问题。谐波电流跟踪环节采用全局积分滑模变结构控制方法,引入了全局积分滑模面,运用Lyapunov稳定性理论导出的控制律兼顾了全局滑模的快速性和积分滑模的准确性。在解决了谐波检测环节延时的情况下,将全局积分滑模控制策略与传统的PI控制和滞环控制对比,仿真实验结果表明:全局积分滑模控制对指令电流具有更高的跟踪精度,且具有更低的电网侧电流总谐波畸变率(total harmonic distortion,THD)。展开更多
针对多部空间姿态时刻变化的机载雷达,提出了一种全新的、无需依赖先验信息(如雷达位置和姿态)的空间配准策略,本策略涉及到实时配准参数解算以及融合点迹优化等多个关键环节。利用目标点迹数据建立雷达间的空间姿态关系,借助递归最小...针对多部空间姿态时刻变化的机载雷达,提出了一种全新的、无需依赖先验信息(如雷达位置和姿态)的空间配准策略,本策略涉及到实时配准参数解算以及融合点迹优化等多个关键环节。利用目标点迹数据建立雷达间的空间姿态关系,借助递归最小二乘法(recursive least squares,RLS)迭代求解旋转矩阵和平移向量,进而实现各雷达坐标系的实时配准。此外,引入了一种基于融合结果的目标轨迹级空间配准参数反向调节策略,通过构建配准误差模型并运用梯度下降法进行优化,有效降低了融合轨迹误差,提升了配准精度与跟踪质量。所提策略为雷达空间姿态的实时配准问题提供了一种全面且高效的解决方案,具有重大的理论价值与实际应用前景。展开更多
字典学习是信号稀疏分解研究的热点问题.在稀疏分解字典学习中,初始字典的选择影响字典学习的效果.为减小初始字典对学习字典的影响,在递归最小二乘(recursive least squares,RLS)字典学习方法中引入遗忘因子的概念.比较了最优方向法、...字典学习是信号稀疏分解研究的热点问题.在稀疏分解字典学习中,初始字典的选择影响字典学习的效果.为减小初始字典对学习字典的影响,在递归最小二乘(recursive least squares,RLS)字典学习方法中引入遗忘因子的概念.比较了最优方向法、K奇异值分解方法和RLS等3种方法的字典学习效果.分析了RLS字典学习中不同的遗传因子对字典学习效果的影响,以及遗忘因子为不同函数时的字典学习效果.仿真结果表明:RLS字典学习方法减小了初始字典对学习结果的影响,故学习效果较好;而在RLS字典学习中不同遗忘因子的选择会影响字典学习效果.展开更多
文摘针对并联型有源电力滤波器(active power filter,APF)谐波检测环节的延时和谐波电流跟踪环节的鲁棒性差、跟踪精度不高的问题,建立了系统解耦后的数学模型,提出了基于递归最小二乘(recursive least squares,RLS)算法的并联型APF全局积分滑模变结构控制策略。谐波检测环节采用改进的瞬时无功功率理论的id-iq法,用RLS自适应滤波器替换传统的Butterworth低通滤波器,解决了传统的Butterworth低通滤波器因延时而导致的一个基波周期(20 ms)内检测盲区问题。谐波电流跟踪环节采用全局积分滑模变结构控制方法,引入了全局积分滑模面,运用Lyapunov稳定性理论导出的控制律兼顾了全局滑模的快速性和积分滑模的准确性。在解决了谐波检测环节延时的情况下,将全局积分滑模控制策略与传统的PI控制和滞环控制对比,仿真实验结果表明:全局积分滑模控制对指令电流具有更高的跟踪精度,且具有更低的电网侧电流总谐波畸变率(total harmonic distortion,THD)。
文摘针对多部空间姿态时刻变化的机载雷达,提出了一种全新的、无需依赖先验信息(如雷达位置和姿态)的空间配准策略,本策略涉及到实时配准参数解算以及融合点迹优化等多个关键环节。利用目标点迹数据建立雷达间的空间姿态关系,借助递归最小二乘法(recursive least squares,RLS)迭代求解旋转矩阵和平移向量,进而实现各雷达坐标系的实时配准。此外,引入了一种基于融合结果的目标轨迹级空间配准参数反向调节策略,通过构建配准误差模型并运用梯度下降法进行优化,有效降低了融合轨迹误差,提升了配准精度与跟踪质量。所提策略为雷达空间姿态的实时配准问题提供了一种全面且高效的解决方案,具有重大的理论价值与实际应用前景。
文摘字典学习是信号稀疏分解研究的热点问题.在稀疏分解字典学习中,初始字典的选择影响字典学习的效果.为减小初始字典对学习字典的影响,在递归最小二乘(recursive least squares,RLS)字典学习方法中引入遗忘因子的概念.比较了最优方向法、K奇异值分解方法和RLS等3种方法的字典学习效果.分析了RLS字典学习中不同的遗传因子对字典学习效果的影响,以及遗忘因子为不同函数时的字典学习效果.仿真结果表明:RLS字典学习方法减小了初始字典对学习结果的影响,故学习效果较好;而在RLS字典学习中不同遗忘因子的选择会影响字典学习效果.
