并行扩展卡尔曼滤波的船舶模型参数辨识研究

随着人类对海洋的开发,对船舶数学模型的要求越来越高。为确定船舶运动模型的未知参数,首先针对船舶特点建立相应的数学模型,并提出一种并行扩展卡尔曼滤波算法,该方法通过一种并行计算使辨识效率更高,之后设计辨识实验,将得到的辨识结果进行仿真,并且与传统扩展卡尔曼辨识的结果进行对比,仿真结果表明改进的算法优于扩展卡尔曼滤波。     

基于参数辨识的推进电机模型参考自适应控制

针对模型参考自适应系统(MRAS)对电机参数依赖性强的问题,采用Adaline神经网络对电机参数进行在线参数辨识,并对MRAS中的模型参数进行修正;以船用永磁同步推进电机作为被控对象,使用Adaline神经网络对控制系统中的模型参数进行修正,结果表明,该方法可有效提高MRAS对电机转速和转子信息的估测精度,提高系统的动态和稳态性能。     

电液自动舵受控对象数学建模及参数辨识

电液伺服舵机和船舶本身为船舶自动操纵控制系统中的被控对象.本文讨论电液伺服舵机的数学模型和船舶动态数学模型,并提出对这种数学模型参数进行辨识的工程实用方法,为采用伪微分反馈控制技术研制船舶自动操纵系统提供数学模型.     

电液自动舵受控对象数学建模及参数辨识

电液伺服舵机和船舶本身为船舶自动操纵控制系统中的被控对象。本文讨论电液伺服舵机的数学模型和船舶运态数学模型,并提出对这种数学模型参数进行辨识的工程实用方法,为采用伪微分反馈控制技术研制船舶自动操纵系统提供数学模型。     

基于SR-UKF的潜艇水动力系数辨识方法

[目的]针对潜艇运动模型中水动力系数难以准确获取的问题,采用平方根无迹卡尔曼滤波(SR-UKF)算法进行系统辨识.[方法]首先,以潜艇垂直面运动非线性数学模型为基础,结合SR-UKF算法,建立潜艇垂直面水动力系数辨识模型;然后,利用自动操舵控制潜艇在垂直面进行类正弦机动,将运动仿真生成的数据作为SR-UKF参数辨识的输...     

基于云粒子群算法的船舶纵摇运动参数辨识

提出一种基于云粒子群优化算法的船舶纵摇运动参数辨识方法。该方法利用正态云发生器自适应调整粒子群算法的惯性权重,并在算法进化过程中对粒子位置进行基于云模型的变异操作,可以很好地解决算法早熟收敛的缺点,能够提高算法的收敛精度和收敛速度。应用该算法对船舶纵摇有关运动参数进行辨识,辨识结果在可以接受的范围之内。     

多性能指标系统控制器自设计方法及其应用研究

针对具有多指标的被控对象,提出一种基于神经网络的控制器自设计方法.算法利用并行遗传算法按照被控对象各项性能指标进化神经网络控制器,在遗传算法每代结束时利用适应性权重法根据各项指标数据计算综合适应度值,选择综合适应度最佳个体进行遗传操作,从而获得综合性能指标最佳的控制器.将算法应用于异步电机矢量控制系统的速度控制器自设计中,仿真实验验证了本方法的有效性.     

基于MATLAB的卡尔曼滤波法参数辨识与仿真

本文介绍了基于MATLAB的使用卡尔曼滤波法进行参数辨识的设计与仿真方法。简述了参数辨识的概念和卡尔曼滤波法应用于参数辨识的基本原理,结合实例与最小二乘法进行比较,给出了相应的仿真结果和分析。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法。首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤。对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度。然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度。通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法.首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤.对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度.然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度.通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度.