遗忘因子

摘要： 针对永磁电机系统反馈信号测量噪声无法确保为白噪声的问题,基于传统递推最小二乘法只在面向的数学模型是ARX模型时才能保证其无偏性,提出基于递推辅助变量最小二乘法的永磁电机参数在线辨识策略。通过电机电气方程辨识定子电阻、电感、转子磁链,通过机械方程辨识转动惯量、粘性摩擦系数、负载转矩,解决了传统递推最小二乘辨识方法适用数学模型具有局限性的问题。最后通过MATLAB Simulink验证了所提算法在参数突变时辨识性能良好。

摘要： 针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题,提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律,以实现闭环系统的稳定控制和干扰抑制。首先,将卡尔曼滤波器作为系统的状态观测器,在含有随机噪声干扰的情况下,估计系统的最优状态;其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化,使系统快速收敛并准确跟踪参考轨迹,实现运动过程中重复干扰信号的抑制;最后,以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法,并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明,本文提出的控制方法可以保证被控系统稳定运行,当环境中存在随机非重复性噪声或重复性干扰时,被控系统都可以保持良好的鲁棒性。

摘要： 水平井牵引器的变径爬行过程会导致其内部的永磁同步电机的转动惯量发生变化,传统的PI转速控制器难以获得满意的控制效果。为解决传统转动惯量辨识方法的实际工况受限、辨识收敛时间长和有效数据选择复杂等问题,提出了一种基于最小二乘法的新型惯量辨识算法,该算法引入了遗忘因子和置信度函数,以减小历史数据对当前数据的影响,提高辨识算法的动态响应性能,并对输入数据进行自动筛选。对最小二乘法及永磁同步电机的数学模型进行分析,由此设计出基于最小二乘法的永磁同步电机转动惯量辨识算法,并分别搭建Simulink仿真模型和硬件实验平台对该算法进行测试。仿真和试验结果表明,该算法具有收敛快、精度高等优点,可以满足牵引器驱动系统的需求。利用转动惯量辨识算法理论基础,设计制造了牵引器电机驱动系统,配套自适应推靠系统,完成了整体牵引器的研制。目前该牵引器已在辽河油田投入生产应用,2020年完成水平井固井质量测井60余井次,应用效果良好。

摘要： 针对高速自旋飞行体运行过程中噪声特性无法准确获取的问题,提出了基于改进自适应扩展卡尔曼滤波(adaptive extended Kalman filter,AEKF)算法对量测噪声进行自适应调节,并在扩展卡尔曼滤波(extended Kalman filter,EKF)的基础上提出了一种基于对状态变量新的建模方式的EKF算法,提高算法的实时性。采用北斗/捷联惯性导航系统(strapdown inertial navigation system,SINS)组合导航方案,在EKF的基础上,引入带遗忘因子的噪声估计器,通过AEKF对组合导航数据进行融合,对量测噪声进行估计。仿真结果表明,所提出的组合导航方法对高速自旋飞行体的姿态和位置定位误差较小,与无改进的AEKF相比,具有更好的收敛性。

摘要： 永磁同步电机的转动惯量影响伺服系统速度环的响应性,进而影响伺服系统的控制性能。针对转动惯量变化时速度环响应性差的问题,采用基于惯量辨识的永磁同步电机PI参数自整定的方法来解决。通过电磁转矩和转速的关系表达式,基于带遗忘因子的最小二乘法对转动惯量进行在线辨识。将辨识后的结果对速度环的PI参数进行实时调整,确保系统具有良好的动态性能。在Simulink环境下建立仿真模型。结果表明,方法提高了转速的跟踪性和转换响应性。

摘要： 锂离子电池管理系统的可靠性通常是建立在高精度的电池模型参数辨识的基础上,因其在实际运行与测量环境中往往会受到噪声干扰,使采样信号中存在噪声信号,从而导致常规辨识算法下的参数辨识精度受到影响。因此,本文以锂离子电池二阶RC模型为研究对象,分析了遗忘因子更新过程中噪声对常用的可变遗忘因子递推最小二乘法(VFFRLS)的影响,进而提出一种基于小波变换的VFFRLS的参数辨识算法。利用小波变换的多尺度多分辨率特性对采样信号进行分频处理,再采用VFFRLS进行参数辨识,解决了因噪声影响遗忘因子带来的跟踪性能不佳的问题。实验结果表明,本文提出的算法具有更高精度的辨识结果。

摘要： 动力电池荷电状态的估算在电池管理系统中十分重要,电池模型精确度和参数辨识准确度对其有决定性影响。以磷酸铁锂电池为研究对象,选用一阶RC电池模型,对时变参数进行辨识。传统的带遗忘因子最小二乘法在参数辨识过程中,电压误差值存在偏差,导致模型精度降低。为了提高动态工况下的模型精度,引入比例控制算法对电压误差进行修正。结果表明,在城市道路循环工况(UDDS)下,改进的带遗忘因子最小二乘算法的误差在0.03 V以内,提高了系统参数辨识的准确度和电池模型精确度。

摘要： 为了解决实时弹道测量数据滤波过程中量测噪声统计特性未知且时变的实际问题,对Sage-Husa算法进行了多种改进,提出了改进的Sage-Husa自适应卡尔曼滤波(improved Sage-Husa adaptive Kalman filter,ISHAKF)算法。该算法将量测噪声协方差估计矩阵变换为半正定矩阵和正定矩阵之和的形式,保证了量测噪声协方差估计矩阵的正定性,消除了量测噪声协方差估计矩阵非正定导致滤波异常的缺陷。设计了一种自适应遗忘因子,提升了滤波收敛速度,解决了量测噪声统计特性突变时Sage-Husa算法收敛较慢的问题。对卡尔曼增益矩阵进行了抗差改进,增强了算法的鲁棒性,削弱了野值对滤波效果的影响。分别对正定性改进、遗忘因子改进和抗差改进进行了对比仿真实验,对比结果验证了Sage-Husa算法改进的正确性和有效性。通过ISHAKF算法的实例应用,证明了该算法在实时弹道滤波上,具有更高的实时性、自适应性和抗差性,滤波效果提升明显。

摘要： 本文采用一种VCU控制器自带的ADXL313型号三轴加速度计传感器,结合三轴加速度计的数值,通过遗忘因子递推最小二乘法对质量进行估计,提出基于车辆纵向动力学和加速度传感器信号的质量最小二乘估计模型,来准确估计整车车重,并估计出道路坡度值。通过本论文,可以让主机厂不额外增加整车的费用,不改变整车的线束和布置,可以通过遗忘因子递推最小二乘法对车重、坡度进行准确估算,这在纯电商用车领域对于换挡的控制和换挡品质的提升具有重要的意义。

摘要： 锂电池的荷电状态(State of Charge,SOC)作为电池管理系统(BMS)的基本参数之一,对其进行准确的估计是BMS可靠性和准确性的基础。为了提升SOC的估算精度,提出了一种考虑老化的锂电池SOC估算方法。选择戴维南二阶模型作为锂电池的等效模型,依据实际数据进行参数辨识并验证。然后,考虑到电池老化对模型参数和实际容量的影响,加入总容量校准和遗忘因子改进扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法,使用改进后的EKF算法精确估计电池的SOC。实验结果表明,在EKF算法基础上加入容量校准和模型老化的遗传因子后SOC的估算精度大大提升。

摘要： 针对具有重复运行特性的永磁同步电机(permanent magnet synchronous motor,PMSM)伺服系统运行过程中存在的摩擦扰动等非线性因素的问题,提出一种带遗忘因子迭代学习控制方案.该方案通过在迭代轴中引入一个初始控制量和一个可变的遗忘因子,利用了更多的系统信息,从而实现了永磁同步电机的快速精确跟踪控制.可变遗忘因子随着迭代次数的变而变化,可以有效调节控制输入,从而加快收敛速度并对系统的不确定性部分进行抑制.建立了系统模型,并对所提方案进行了收敛性证明,最后进行了仿真验证.仿真结果表明:与传统PD型迭代学习控制算法相比,该方案收敛速度,跟踪精度都有较大的提高,证明了该方案的有效性.

摘要： 针对一类双采样率随机时变系统,应用多项式变换技术和随机过程理论,在强持续激励条件下,研究了双率时变遗忘因子最小二乘法(dual-rate forgotten factor least squares,DR-FFLS)的参数估计收敛性,得到了参数估计误差上界的精确表达式.分析表明,随着数据长度k的增加,DR-FFLS算法的参数估计误差上界收敛到常数.同时分析了双率确定性时不变系统、随机时不变系统、确定性时变系统的参数估计误差上界.仿真实例验证了对于随机时变与不变双率系统,同样可得参数估计误差小于参数估计误差上界,并且随着k的增大,参数估计误差上界趋于常数.

摘要： 永磁同步电机高度非线性、时变、多变量等特点,使其控制难度大,控制算法复杂,传统的控制方法存在的一定的局限性.本文在其传统数学模型参数辨识的基础上,以前馈解耦的思路消除电流控制中d、q轴的参数耦合和系统扰动,并将系统参数缓慢变化时参数辨识的陈旧观测数据对新参数辨识的影响考虑在内,利用遗忘因子对递推最小二乘法进行参数辨识优化,从而提高了系统辨识参数的抗干扰性,通过仿真对比,验证了该方法并不严重依赖于系统精确模型,相比传统的前馈解耦更具优势.

摘要： 蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,本文在传统的BP神经网络模型的基础上,通过在误差计算和模型参数中分别引入遗忘因子,实时更新数据的影响权重,建立了大坝蓄水期资料分析的时变分析模型.最后使用传统的BP神经网络模型和改进的BP神经网络模型进行实例分析,结果表明后者比前者在径向位移的预测上精度提高1mm以上,改进的BP神经网络模型更加适用于大坝蓄水期监测资料分析与预测.

摘要： 区别于经典的Sage-Husa自适应滤波算法,不试图精确地求解系统模型的过程噪声统计特性和量测噪声统计特性,而是在定性分析的基础上,根据噪声特性影响滤波性能的不同场合,间接地修正过程噪声和量测噪声特性.本文叙述了改进的自适应滤波算法的基本思路、等效噪声特性协方差阵估计、带遗忘因子的自适应滤波算法实现，并进行仿真实验，结果表明：在两者均未知的情况下,本算法能很好地维持对目标状态的实时估计.

摘要： 针对实际工业过程中具有状态和控制时滞的非线性系统，在存在初始偏差和输出误差扰动的情况下，研究了具有有界扰动及期望输出的重复运行的非线性时变系统的PID 型迭代学习控制跟踪控制算法，利用迭代学习过程记忆的期望轨迹,期望控制以及跟踪误差，给出基于变批次遗忘因子的学习控制器设计,并借助u0001 范数理论和Bellman-Gronwall 不等式，讨论保证闭环跟踪系统批次误差有界的学习增益存在的充分必要条件及分析控制算法的一致收敛性。本文方案改善了系统的鲁棒性和动态特性,单关节机械臂的跟踪控制仿真验证了算法的有效性.

摘要： 提出了基于遗忘因子矩形窗的最小二乘支持向量机回归(LS-SVR)方法。该方法先将矩形窗方法与传统的LS-SVR相结合。用有限个过去的数据做LS-SVR的样本，随着时间增加不断在样本中丢弃旧数据加入新数据。保持样本总数不变;然后在此基础上添加了遗忘因子，在丢弃旧样本的同时兼顾了历史数据的影响。改进后的LS-SVR方法提高了运算速度，同时也提高了辨识的精度。通过仿真实例验证了该方法的有效性和可行性。将此方法应用到超磁致伸缩作动器的在线模型辨识上，取得了较好的辨识结果。

摘要： internet上数据的大量增加导致了"信息过载"和"信息迷向"问题,而个性化服务技术正好可以在一定程度上解决这些问题.用户兴趣建模作为个性化服务的核心技术,主要研究如何动态分析、计算出用户当前的兴趣信息,成为目前个性化服务的研究热点.本文首先分析了多元线性回归法计算用户短期兴趣,然后提出采用遗忘因子使原有兴趣随时间衰减,再动态更新用户兴趣信息;最后通过试验证明该用户兴趣模型能够及时反映出用户的兴趣变化.文章介绍了用户对页面感兴趣程度的计算、用户兴趣信息的计算包括用户长期和短期兴趣信息的计算以及用户兴趣信息的更新。本文所研究的用户兴趣模型能够及时有效的反映出用户的兴趣信息，但还有一些技术需要进一步研究和提高，比如目前研究中遗忘因子的半衰期参数是根据经验值来设定的，可以考虑根据用户兴趣变化的快慢，自动调整半衰期参数;用户短期兴趣权重的计算中可以通过更多的实验并考虑其他影响因素，分析出其中的定量数据，为实际应用提供更准确的估计或预测。

摘要： 变参数混沌通常不具有稳定的吸引子，当前基于Takens嵌入定理的各种预测方法不再适用。本文研究利用最小二乘递推法预测一类低维变参数混沌时间序列，首先分析变参数混沌系统的动力学特性，提出综合利用遗忘因子算法和限定记忆法预测该类非线性时间序列，推导出两种方法相结合的限定一遗忘综合递推最小二乘算法，在引入二次项等高阶项后将其用于低维变参数混沌时间序列预测，对变参数Henon映射和变参数Ikeda系统混沌时序预测结果说明了该方法的有效性。

摘要： 变压器是电力系统中的枢纽关节，是电力系统的重要组成部分。本文在查阅大量参考文献的基础上，分析了变压器保护的现状，并在基于变压器模型的变压器保护原理基础上，提出一种基于变压器磁链平衡方程的变压器保护原理，并分析了绕组参数估计和微分运算这两个关键问题。该原理采用带有遗忘因子的最小二乘法实现变压器绕组参数估计，提高了参数估计收敛的快速性。另外，该原理应用基于投影变换理论的微分算子变换方法克服差分变换引起的误差。通过初步的理论分析，该保护方案通过准确、快速的实现变压器绕组参数的辨识估计，以及基于投影变换理论的微分算子变换，能够准确的确定保护的动作整定值Kzd。

摘要： 本发明涉及一种基于遗忘因子RLS的小信号模型航磁补偿方法，包括建立航磁补偿模型：根据T‑L模型，以永久磁场、感应磁场和涡流磁场叠加表示飞机干扰磁场，建立小信号模型，求取飞机飞行4个方向的方向参数，并由LS算法得到恒定场、感应磁场参数及涡流磁场参数；基于遗忘因子RLS的小信号模型：对校准飞行数据中进行参数求解，通过上述小信号模型计算出永久场，感应场和涡流磁场的16个参数；在对测试飞行数据进行补偿，计算出与飞行方向有关的方向参数；通过引入遗忘因子RLS算法对求解方向参数进行实时更新；仿真实验与结果分析。本发明利用遗忘因子RLS法对小信号模型求解的方向参数进行实时更新，提高了航磁干扰的补偿质量。

摘要： 本发明公开了一种带遗忘因子的递推最小二乘法的转动惯量辨识方法。该方法如下：将异步电机运动方程写成递推最小二乘形式，确定输出变量，待辨识参数和观测矩阵；定义观测量长度、遗忘因子、初始化协方差矩阵和辨识参数；计算当前时刻的增益矩阵；计算当前时刻协方差；更新参数估计值；更新目标函数值；将计算的目标函数值与预设的目标函数值比较，不断更新，最终计算得到电机转动惯量信息。本发明引入一种带遗忘因子的递推最小二乘法的转动惯量辨识方法，提高了电机在负载转动惯量变化等情况下的系统控制性能。

摘要： 该发明为一种基于可变遗忘因子的磁力计实时校准方法及计算机系统，该方法包括步骤：SA，获取磁力计X，Y，Z轴向值并分别采集该磁力计X，Y，Z轴向值的数据大值以及数据小值并储存至缓存器；SB，对所述的各数据大值以及数据小值分别设置遗忘因子用于扔掉过期的所述数据大值以及数据小值以得到缓冲区数据；SC，对所述的缓冲区数据进行缓冲区值计算，并得到校准参数；SD，根据所述校准参数，对磁力计进行重新校准。本申请的技术方案通过设置遗忘因子扔掉过期值，能提高最近数据对校准结果的影响，减少过期数据对校准结果的影响，使校准参数更加准确。

摘要： 本发明属于轨迹跟踪控制领域，提供了基于遗忘因子高阶迭代学习的推进器控制方法及系统，该方法依据推进器系统输出的与期望轨迹的误差信息、遗忘因子以及相应的分数阶变换构造遗忘因子分数阶高阶迭代学习控制器；预设推进器系统的期望轨迹，初始化推进器系统的运行动力学模型，依据收敛性条件调整遗忘因子分数阶高阶迭代学习控制器，通过控制器作用于推进器系统，获取推进器系统的实际运行轨迹；判断推进器系统的实际运行轨迹是否满足期望轨迹，若是，获得期望的实际运动轨迹，否则根据实际运行轨迹和期望轨迹的误差，通过分数阶微积分变换后修正所述控制器。提高了收敛速度，消除外界扰动，使得海洋机器人能够快速的实现轨迹跟踪任务。

摘要： 可再生能源在世界电力结构中的份额在过去几年呈指数增长，目前，太阳能光伏已经是未来能源结构的重要组成部分，年增长率不断提高。光伏组件的性能主要取决于各种因素，包括太阳辐射的可用性和转换效率，然而，太阳能电池/组件的转换效率和整体性能直接受到其各种物理参数的影响，因此，始终需要准确估计这些参数。光伏系统分为静态模型和动态模型，动态模型考虑了开关操作和电感/电导效应引起的负载变化，其中分数阶动态光伏电池模型更具灵活性，可以更精细的表现光伏系统的动态行为。本发明以分数阶动态光伏电池模型为基础，给出对应的辨识模型，通过在随机梯度方法中引入遗忘因子，使用多新息理论将单新息扩展到新息向量，旨在用一种多新息遗忘因子随机梯度算法快速准确的辨识分数阶动态光伏模型中的参数。

摘要： 本发明公开了一种基于改进初值带遗忘因子递推最小二乘法的锂电池参数辨识方法。该方法包括建立锂电池二阶戴维宁等效电路模型；通过HPPC工况确定各参数与SOC的函数关系，通过间歇恒流放电工况确定开路电压与SOC的函数关系；测量初始开路电压获得初始的SOC；将初始SOC带入参数拟合表达式得到此SOC对应的参数值；将各参数反带入递推公式得到改进初值带遗忘因子递推最小二乘法的初值；最后采用改进初值带遗忘因子递推最小二乘法进行参数辨识。本发明解决了带遗忘因子递推最小二乘法的初值选取困难的问题，提高了参数辨识的精度，具有实用意义。

摘要： 本发明公开一种基于分段函数更新遗忘因子的永磁同步电机参数辨识方法，根据电感辨识模型调用带遗忘因子的递推最小二乘法，计算k时刻的增益矩阵和待辨识参数矩阵，得到电感辨识值，并更新该模型中的协方差矩阵；根据电阻和磁链辨识模型，再次调用带遗忘因子的递推最小二乘法，计算k时刻的增益矩阵和待辨识参数矩阵，得到电阻辨识值和磁链辨识值，并更新该模型中的协方差矩阵；根据最大辨识误差，基于分段函数对遗忘因子进行更新，再基于更新的遗忘因子对电机参数进行辨识，提高辨识算法对系统噪声的抗干扰性，当辨识误差大于误差阈值时，遗忘因子大小根据误差的大小进行调节，误差越大遗忘因子越小，从而提高本方法的跟踪能力和收敛速度。

摘要： 本发明提出一种基于遗忘因子递推最小二乘的烘丝入口含水率控制方法，包括以下步骤：使用相关性分析进行输入变量的特征提取，筛选出与烘丝入口含水率相关的输入变量作为特征变量；根据提取的特征变量，建立烘丝入口含水率的遗忘因子递推最小二乘预测模型；对遗忘因子递推最小二乘预测模型进行模型参数寻优，得到最优模型；运用增量更新策略在线学习每个新样本，从而对模型进行实时的在线更新；根据已建立的模型变量关系和相关特征数据，反推预测出使烘丝入口含水率达标的进柜前含水率目标值。本发明实现进柜前水分目标值自动推送，替代人工估算方式，从而提高烘丝入口含水率控制的准确性。

摘要： 本发明提供一种基于可变遗忘因子递归最小二乘算法的电网阻抗在线辨识方法及装置，通过新能源并网逆变器接入交直流配电网的并网点的等效电路模型构建电网阻抗参数误差模型，采集新能源并网逆变器并网点的电压和电流参数，基于可变遗忘因子递归最小二乘估计的参数辨识方法，对电网等效电路模型的相关参数进行在线辨识。本发明考虑并网点的电压和电流参数的变化情况对递归最小二乘算法的遗忘因子进行自适应调整，然后通过递归最小二乘算法对电网等效阻抗进行在线辨识，避免了传统的电网阻抗辨识方法向电网中人为注入特征次谐波的缺点，解决了复杂工况下的参数辨识问题，有效提高了辨识精度和鲁棒性。

摘要： 在实际工程应用中，参数变化现象在被控系统中很常见。广义时变系统的参数随扰动的可测性而变化。扰动可以是设备温度系统的负荷，也可以是PH控制系统中酸的流量，当然也可能包含输入或输出等变量。本发明公开了一种基于广义时变系统的参数估计方法，以广义时变系统为基础，给出对应的辨识模型，包括构建出广义时变拓展随机梯度算法，以及通过使用多新息理论将单新息扩展到新息向量，构建出基于遗忘因子的多新息扩展随机梯度算法等步骤。本发明方法简便、可靠，可以应用于化学反应器的PH控制系统中的参数辨识。