�綯������ʻ�������SOC ����Է����뽨ģ

为解决电动汽车驾驶员里程焦虑问题,并为车辆行驶里程预测提供重要依据,本文提出一种基于数据驱动的方法来探讨电动汽车行驶里程和电池SOC之间的关系。首先对采集的原始数据进行删除、插值和平均处理,再对电动汽车行驶里程和电池SOC进行相关性分析并建立模型,利用递推最小二乘法对模型参数进行辨识。利用北京市运营物流电动车的数据对建立的模型及参数辨识结果进行验证。实验结果表明,本文采用的基于数据驱动预测行驶里程的方法是可行的,所建立的行驶里程与电池SOC模型具有较高的准确度。     

电动汽车行驶里程与电池SOC 相关性分析与建模

为解决电动汽车驾驶员里程焦虑问题,并为车辆行驶里程预测提供重要依据,本文提出一种基于数据驱动的方法来探讨电动汽车行驶里程和电池SOC之间的关系.首先对采集的原始数据进行删除、插值和平均处理,再对电动汽车行驶里程和电池SOC进行相关性分析并建立模型,利用递推最小二乘法对模型参数进行辨识.利用北京市运营物流电动车的数据对建立的模型及参数辨识结果进行验证.实验结果表明,本文采用的基于数据驱动预测行驶里程的方法是可行的,所建立的行驶里程与电池SOC模型具有较高的准确度.     

坡度和整车质量识别及其在AMT换挡规律中的应用

针对带两挡AMT变速箱的纯电动客车在实际运行时因整车质量和道路坡度的变化导致最佳换挡点发生变化的问题,采用多遗忘因子递推最小二乘法对道路坡度和整车质量进行了在线辨识,将识别的道路坡度作为换挡控制参数,制定了以加速踏板开度、车速、车辆纵向加速度和道路坡度为控制参数的四参数换挡控制策略,采用Simulink和AVLCruise软件搭建了控制策略模型和整车模型,两软件联合仿真对平路空载得到的三参数动力性换挡规律和新制定的四参数换挡策略进行了仿真计算,结果表明:多遗忘因子递推最小二乘法能准确识别道路坡度,与平路空载得到的三参数动力性换挡规律相比,新制定的四参数换挡策略能够适应道路坡度的变化。     

基于ABP-EKF算法的锂电池SOC估计

电池荷电状态(state of charge,SOC)的准确估计是电动汽车合理实施电池管理的前提条件和重要依据.针对目前电动汽车对动力电池SOC估计精度的不断提高这一问题,利用联合估计法对锂电池SOC进行研究.基于Thevenin电池模型与修正的安时积分算法,推导出了锂电池的输出方程以及状态空间模型,通过采集实验过程中的相关数据并应用递推最小二乘法对电池模型参数作出辨识.分析了扩展卡尔曼滤波(EKF)算法以及自适应BP神经网络算法的原理,联合两种算法并在此基础上提出了自适应BP-EKF算法(ABP-EKF).运用所提出的算法对锂离子电池SOC进行联合估计,最后通过对比ABP-EKF与EKF两种算法估计锂电池SOC的数据,研究结果表明:所提出ABP-EKF算法相比于EKF算法在均值误差项与均方根误差项分别减少了3.9％和3.79％.     

基于FFOS-ELM和PF的短时交通流自适应预测模型

为提高短时交通流预测精度,提出了一种基于遗忘因子极限学习机(FFOS-ELM)和粒子滤波(PF)的自适应交通流实时预测模型.首先,引入遗忘因子,推导带遗忘因子的极限学习机,通过增量学习方法实时更新预测模型参数,避免由于交通流时变性导致早期数据对预测精度的影响.其次,利用粒子滤波消除随机噪声对预测精度的影响,经迭代计算达到系统状态最优估计与预测能力,实现未来交通量预测精度的提高.最后,利用桂林市某主干路检测器数据进行仿真,将预测结果与基础的极限学习机、带遗忘因子的极限学习机等在线模型以及时间序列(ARIMA)、支持向量机(SVM)、长短期记忆神经网络(LSTM)等离线模型进行比较.结果 表明:自适应预测模型预测误差指标明显下降,均方误差变化维度下降到0～2.5之间,模型在路段整体的交通流拟合情况及具体的预测精度上均得到有效提高.     

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题，以提高动车组的速度跟踪精度和乘客舒适性要求为目标，提出了一种基于预测控制的高速动车组迭代学习控制方法；通过采集动车组先前运行过程中的输入输出数据，使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出，根据以往过程的平均模型误差修正该预测输出，利用修正后预测输出引出迭代学习控制律，在线实时计算得到新的控制量，实现动车组速度跟踪；采用修正后预测输出设计二次型迭代学习控制律，通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题，并给出算法的收敛性证明；以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试，建立了列车的三动力单元模型，使其跟踪设定速度曲线，并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程，基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内，且变化平稳，其性能优于PID、GPC和P型迭代...     

基于FFRLS的多堆燃料电池系统功率分配方法

为减小多堆燃料电池系统 （multi-stack fuel cell system, MFCS）中单体燃料电池运行期间输出功率的大范围变化，提高MFCS平均效率，以保证各燃料电池长期稳定运行，针对大功率质子交换膜燃料电池 （proton exchange membrane fuel cell，PEMFC）系统，提出了一种基于遗忘因子递推最小二乘 （forgetting factor recursive least square，FFRLS）在线辨识地改进链式功率分配方法. 该方法利用FFRLS算法的实时在线辨识能力估算运行中的每个燃料电池最大效率范围 （maximum efficiency range，MER），并将其边界值作为约束参考值实时更新链式功率的限定区间；然后，依据负载需求功率变化和各燃料电池效率高低顺序分配各电堆出力；最后，在搭建的RT-LAB半实物平台上进行试验分析. 试验结果表明:与平均功率分配和传统链式功率分配方法相比，本文所提方法对MFCS效率分别提高了0.93%和1.95%.      

车辆悬挂系统的辨识建模

论述了在滚动振动试验台上进行车辆垂向悬挂系统的辨识建模方法。通过试验,应用扩充最小二乘法,建立了车辆垂向悬挂系统的参数化模型。     

基于Van Aerde模型的快速路交通流特征参数辨识？

宏观交通流参数特性是交通流理论中重要研究内容,而快速路做为城市骨干路网,交通流特征参数对于快速路的控制与管理具有重要价值。基于固定检测线圈检测到的交通流数据,对数据进行错误剔除与修复,并集聚提取了快速路流量、速度与占有率值,同时通过实测数据统计分析车辆平均长度,实现占有率与密度之间的转换,进一步采用标准遗传算法与最小二乘法对Van Aerde模型进行了对比标定,辨识了快速路交通流特征变量,为城市快速路的精细化管理提供支持。     

基于粒子群优化算法下的灰色系统船闸货运量预测

采用灰色系统理论,建立了基于GM(1,1)的船闸货运量预测模型.模型参数计算分别采用粒子群优化算法和最小二乘法,两者进行对比发现,预测误差相当,但是粒子群优化算法可以避免繁琐的矩阵运算而优于最小二乘法.应用基于粒子群优化算法的灰色系统模型进行了船闸货运量的预测.     

基于最优初始条件和动态辨识参数的灰色时程数据预测

在传统的灰色预测模型中,白化微分方程的初始条件和辨识参数一旦确定便不再改变,这不太适合于动态及长期的数据预测．针对这种情况,提出了一种能动态选择最优初始条件及相应辨识参数的新型灰色GM(1,1)预测模型．该模型先对每个预测初始值都用GM(1,1)进行预测,并计算平均相对预测误差,使平均相对预测误差最小的那个观测值即为微分方程的最优初始条件．然后将用此初始条件预测的新信息数据替换原来最老的那个数据,算出新的参数,即动态求解辨识参数．将此模型用于时程数据的预测中,取得了较好的预测效果．     

良好非线性模型及其在汽车主动悬挂中的应用研究通过技术鉴定

由西南交通大学电气工程学院主持研究的四川省应用基础项目———良好非线性模型及其在汽车主动悬挂中的应用研究 ,于 2 0 0 0年 1 0月 2 3日通过四川省科学技术委员会组织的技术鉴定。通过本项目研究 ,首次提出了能同时辨识良好非线性模型的线性与非线性部分参数的广义最小二乘法 ,这种方法可以根据待辨识的被控对象上进行的辨识实验所得的数据 ,一次性地获得被控对象的良好非线性模型 ,并大大降低了计算工作量。利用输入输出稳定性原理 ,首次提出了一批判定良好非线性模型鲁棒稳定性的判据。为基于良好非线性模型的控制系统的设计提供了指…     

基于参数识别的钢筋混凝土简支梁桥静力模型修正技术

以动力模型修正的原理及方法为基础,提出用较精确的静力试验数据进行静力模型修正的概念,并详细介绍了利用最小二乘法对钢筋混凝土简支梁桥进行参数识别的静力模型修正方法。经过动力修正的有限元模型只可用于结构的动态分析,而不可用于静态分析,所以用静力试验数据修正的模型做结构破坏试验数值仿真具有广阔的应用前景。     

基于AOA-LSSVM模型的枢纽城市物流需求量预测

传统的LSSVM难以全面反映物流需求的变化规律,会导致预测效果不佳。首先利用灰色关联分析(GRA)得到物流需求的主要影响因素;将主要影响因素作为LSSVM的输入变量,构建物流需求预测模型;通过阿基米德算法(AOA)对最小二乘支持向量机的正则化参数(γ)和核参数(σ)进行迭代寻优,以减少参数选择的盲目性;构建AOA算法优化最小二乘支持向量机(LSSVM)的智能预测模型AOA-LSSVM,经过验证该模型可以提高预测精度。运用AOA-LSSVM模型对西部陆海新通道的重要枢纽城市——重庆、成都、贵阳和南宁的物流需求进行实证分析,结果表明：该模型与LSSVM模型相比取得较高的预测精度,其均方根误差、平均绝对误差、以及异方差调整的均方根误差、异方差调整的平均绝对误差分别降低了1 946.4,1 206.1,0.028 4,0.039 7。     

建成环境对城市停车需求影响的非线性模型

为精细化把握城市建设项目在微观空间尺度下的停车需求规律，从空间视角探究停车需 求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求，以土地 利用混合度、路网密度、公交服务水平等9个因子描述建成环境，分别构建建成环境对停车需求影 响的普通最小二乘(Ordinary Least Squares，OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree，GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象，基于 停车调查数据、兴趣点数据(Point of Interst，POI)、道路网络数据等多源异构数据进行模型实证分 析。结果表明，考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来 看，配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素，交叉口密度 (5.19%)贡献度最小；在非线性关系方面，建成环境因子与停车需求均具有非线性关系与阈值效 应，除交叉口密度及人口密度与停车需求呈现U型关系，其余因素与停车需求的关系整体上保持 正相关或负相关。     

基于状态空间方法的显式GPC算法全局收敛性分析

采用状态方程的方法给出了基于ＣＡＲＭＡ模型的显式,ＧＰＣ算法的稳定性及收生证明,辨识算法采用增广最小二乘法。     

分块核偏最小二乘法

针对核偏最小二乘法(KPLS)随核函数矩阵维数膨胀而计算量增加的问题,提出分块核偏最小二乘法(BKPLS).BKPLS根据核函数矩阵对称的性质,将KPLS中的批量算法转变成分块算法,不但减小了对计算机硬件的要求,而且减少了计算时间.仿真结果验证了BKPLS的有效性,而且在样本数量巨大,KPLS无法实现的情况下,BKPLS也能保证辨识算法的实现.     

基于迁移的SIR模型的行人违章过街传播过程研究

针对城市中普遍存在的红灯期间行人违章过街现象,建立了具有迁移的SIR模型,对行人违章过街的传播机理进行分析,并通过采集大连西安路人行横道处红灯期间行人违章数据,应用最小二乘法对模型的参数β和γ值进行估计,进而对建立的具有迁移性的SIR模型进行参数灵敏度分析,得到违章过街人数的变化趋势,以此提出减少行人违章过街人数的有效措施。     

考虑不同路面附着情况的整车质量估计方法研究

利用带有遗忘因子的递推最小二乘估计,实现了一种整车质量估计方法,该方法考虑了不同路面附着情况对整车质量估计过程的影响,通过引入路面特征系数,实现了算法对不同路面附着情况的适应。基于Matlab/Simulink编写辨识算法并在CarMaker中完成仿真测试,测试结果表明所实现的辨识方法对整车质量估计的精度可控制在10%之内。此外,由于递推最小二乘估计方法和卡尔曼滤波方法之间的内在联系,通过推导表明了递推最小二乘估计方法是状态转移矩阵为单位阵的卡尔曼滤波方法的特殊形式,为2种估计方法的工程应用形式及调试过程提供了更全面的信息。     

基于T-S模糊模型的船舶柴油机动态辨识

考虑到船舶柴油机模型的非线性和负载的不确定性,用T-S(Takagi-Sugeno)模糊辨识方法建立了船舶柴油机的动态模型。采用模糊聚类简化了T-S模糊规则数的确定和前提中隶属度函数参数的生成,用加权最小二乘算法得出辨识结论中的线性参数。对船舶柴油机在稳态运行工况下作小偏差工况扰动实验,得到在油门尺度和负载变化下柴油机转速、涡轮增压器转速等输出数据,利用该数据建立了描述柴油机动态性能的T-S模糊模型。仿真结果表明,利用该算法能有效地辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力等输出在小工况扰动下的变化模型。