锂离子电池电-热-机耦合特性实验研究及关键参数辨识

针对锂离子电池的电-热-机耦合特性,设计了一套耦合特性综合测试系统,进行了电池不同倍率充放电工况下电-热-机耦合特性的测试与分析,以探究电池电特性、形变、温度的时间演变规律与空间分布特性,可以得到电池荷电状态(state of charge,SOC)-形变曲线具有明显的分段特性,可以辅助磷酸铁锂电池SOC估计的修正。基于该系统测试结果研究了电池充放电过程形变产生的机理,并进行了电池热膨胀系数的参数辨识。实验结果表明:高倍率放电时,在放电初期和中期电池边缘部分膨胀,放电后期收缩,而中心位置在放电初期和中期收缩,后期膨胀;低倍率放电时,电池表现为放电初期和后期整体收缩,中期整体膨胀。研究结果可为电池内部电-热-机耦合特性的理论分析与测试管理提供依据。     

数控机床运行激励实验模态分析

针对影响加工效率和加工表面质量的数控机床结构动态特性问题,提出一种新的实验模态分析方法.该方法以数控机床自身运动产生的振动为激励源,通过控制运动部件以特定方式空运行,激励起结构的有效振动响应,并结合基于响应信号的模态参数识别方法获得结构的动态特性参数.针对参数识别中的伪模态问题,综合运用识别结果预处理方法和模态稳定性原理,有效去除了识别结果中的伪模态,最终得到影响机床加工的3阶低频模态频率和阻尼比.所得结果与传统实验模态分析结果有较好的一致性.该方法可用于大型重型难激励数控机床的结构动态特性研究.     

系统辨识方法在IGCC电站模型中的应用

整体煤气化联合循环 (IGCC)系统复杂 ,用常规建模方法建立精确的数学模型存在一定的困难。该文采用系统辨识的方法 ,对 IGCC电站的主要动态环节进行了建模 ,得到了与 IGCC电站负荷控制有关的动态环节的传递函数 ,并与实验数据进行了比较 ,证明该模型是适用的。这为进一步研究 IGCC电站的动态特性和控制系统打下了基础 ,对于发展中国 IGCC事业具有一定意义。     

非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

受限柔性机器人力／位置控制装置,建模与辨识

介绍作者研制的受限柔性机器人力／位置控制装置并讨论了此装置的动力学建模,经推导得到了受限柔性机器人的动力学模型,该模型同一般刚性机器人的模型相似且模型结构简明．最后用实验等方法辨识了模型的相关参数,对深入研究受限柔性机器人力／位置控制的理论与实验仿真有极大的参考价值．     

基于自适应Smith预估器的炉温控制系统

针对目前工业炉控制系统中存在的大纯滞后现象,提出一种基于自适应Smith预估器的炉温控制系统,具体介绍了控制系统的结构与算法。常规的PID控制,Smith预估控制和自适应smith预估控制在计算机上仿真结果表明自适应Smith预估控制具有超调量更小,调整时间更快,精度更高等特点。     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时 滞系统自适应内模控制算法,理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好,抗干扰能力的特点。     

一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

一种基于非线性系统的直接加权优化辨识算法

对于非线性系统的直接加权优化辨识算法,通过在原线性仿射函数形式中增加若干项关于输入观测数据序列的线性项,来增强逼近非线性,减少逼近的时间.对于增加若干线性项后展开式中的未知权重值的选取,分别从理论和实用上推导出这些未知权重值的选取过程.理论上的推导分析,可明确增加的未知权重值在整个逼近非线性系统的目的中起着辅助作用;实用上的推导分析,将某些复杂的最优化问题经过整理变换成常见的最优化问题,从而可利用最为基础的优化方法来求解.