CN111310303B - 一种幅值指数衰减的正弦波参数识别方法 - Google Patents
一种幅值指数衰减的正弦波参数识别方法 Download PDFInfo
- Publication number
- CN111310303B CN111310303B CN202010052687.9A CN202010052687A CN111310303B CN 111310303 B CN111310303 B CN 111310303B CN 202010052687 A CN202010052687 A CN 202010052687A CN 111310303 B CN111310303 B CN 111310303B
- Authority
- CN
- China
- Prior art keywords
- adaptive
- representing
- measurement signal
- estimated
- internal model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 70
- 238000013016 damping Methods 0.000 claims abstract description 43
- 230000003044 adaptive effect Effects 0.000 claims description 64
- 230000014509 gene expression Effects 0.000 claims description 13
- 230000001052 transient effect Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 description 8
- 230000010355 oscillation Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 108010063499 Sigma Factor Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种幅值指数衰减的正弦波参数识别方法,该识别方法基于自适应内模控制系统,所述自适应内模控制系统包括一个自适应内模控制器;将测量信号输入至所述自适应内模控制系统中,通过自适应内模控制系统中的自适应频率更新方程和自适应阻尼因子更新方程,得到测量信号即幅值呈指数衰减的正弦波信号的参数,所述参数包括估计频率、估计阻尼因子、估计幅度。本发明方法具有实现简单,频率范围宽,方法性能不受估计信号影响的优点,由于本发明采用迭代方法,能够更直接的应用于计算机系统或软件编程中,具有实现简单、较高的精度、较快的收敛速度的优点,可以很方便的应用到实际工程中。
Description
技术领域
本发明涉及电功率计量技术领域,尤其是一种幅值指数衰减的正弦波参数识别方法。
背景技术
对幅值指数衰减的正弦波即衰减低频振荡进行参数识别时,若电力系统的低频振荡得不到有效的抵制,将会引起系统中各机组功角的相对摇摆,严重时能引起机组裂解,电力系统失稳,甚至于发生大面积停电事故,因此,我们需要结合现代信号处理领域的最新研究成果,对基于响应信号的衰减低频振荡进行参数识别,通过衰减低频振荡分析明确系统的动态性能以及了解系统的阻尼特性,保证电力系统的安全稳定。
发明内容
为了克服上述现有技术中的缺陷,本发明提供一种幅值指数衰减的正弦波参数识别方法,基于响应信号的衰减低频振荡进行参数识别,通过衰减低频振荡分析明确系统的动态性能以及了解系统的阻尼特性,保证电力系统的安全稳定运行,本发明不仅能准确估计幅值指数衰减的正弦波信号的各参数,还具有实现简单、鲁棒性强,收敛速度快的优点,可以很方便的应用到实际工程中。
为实现上述目的,本发明采用以下技术方案,包括:
一种幅值指数衰减的正弦波参数识别方法,该识别方法基于自适应内模控制系统,所述自适应内模控制系统包括一个自适应内模控制器;将待估计的测量信号输入至所述自适应内模控制系统中,通过自适应内模控制器的自适应频率更新方程和自适应阻尼因子更新方程,得到测量信号即幅值呈指数衰减的正弦波信号的参数,所述参数包括估计频率、估计阻尼因子、估计幅度。
自适应内模控制器的状态方程如下所示:
其中,τ表示自适应内模控制器的时间变量;x1(τ)和x2(τ)分别表示两个状态变量;ω(τ)表示测量信号的估计频率的暂态值;σ(τ)表示测量信号的估计阻尼因子的暂态值;e(τ)表示自适应内模控制系统的误差;和/>分别表示两个状态变量关于时间变量的导数;
所述自适应内模控制器的自适应频率更新方程如下所示:
所述自适应内模控制器的自适应阻尼因子更新方程如下所示:
其中,表示测量信号的估计频率关于时间变量的导数;/>表示测量信号的估计阻尼因子关于时间变量的导数;k、γ、μ、ε均表示可调节的参数,且均为正实数;
测量信号的估计幅度的表达式为:
其中,a(τ)表示测量信号的估计幅值。
自适应内模控制系统的待估计的测量信号的表达式为:
其中,τ表示自适应内模控制器的时间变量;表示噪声信号;y0(τ)表示原始测量信号;y(τ)表示自适应内模控制系统待估计的测量信号即加入噪声信号后的测量信号;a0表示原始测量信号的幅值;ω0表示原始测量信号的频率;σ0表示原始测量信号的阻尼因子;δ0表示原始测量信号的相位。
e(τ)=y0(τ)-y′(τ)=y0(τ)-x1(τ)
其中,y′(τ)表示自适应内模控制器的输出信号,e(τ)表示自适应内模控制系统的误差。
本发明的优点在于:
(1)本发明提出了一种渐近估计幅值指数衰减的正弦波信号的频率、阻尼因子、幅度的鲁棒算法,展示了无噪声下的瞬态收敛特性和正弦噪声下的稳态识别误差边界,本发明能够直接应用于计算机系统中、软件编程实现简单、并具有较高的精度和较快的收敛速度。
(2)本发明与现有技术相比具有以下的优点和积极效果:本发明对相当宽的频率信号范围,尤其是低频信号,表现出良好的收敛性;本发明在计算估计频率,估计阻尼因子时进行了除法运算,分母与分子中估计幅值的平方相互抵消,使得估计频率的收敛速度基本不受交流分量幅值大小的影响,增强了鲁棒性;本发明具有实现简单、收敛速度佳的优点;本发明方法可以很方便的应用到实际工程中。
(3)在实施例中通过严格的理论证明了本发明的准确性。在MATLAB的Simulink工具箱中的仿真表明,本发明方法可以实现各参数的估计,验证了本发明方法在高频和低频状态的优秀性能,并且验证了可以通过可调节的参数来调节系统的收敛速度,以及误差边界。
附图说明
图1为本发明的自适应内模控制系统的示意图。
图2为测量信号的频率估计图。
图3为测量信号的阻尼因子估计图。
图4为测量信号的幅值估计图。
图5为在噪声情况下频率识别的误差图。
图6为在噪声情况下阻尼因子识别的误差图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种幅值指数衰减的正弦波参数识别方法,该识别方法基于自适应内模控制系统,由图1所示,所述自适应内模控制系统包括一个自适应内模控制器,将待估计的测量信号输入至所述自适应内模控制系统中,通过自适应内模控制器的自适应频率更新方程和自适应阻尼因子更新方程,得到测量信号即幅值呈指数衰减的正弦波信号的参数,所述参数包括估计频率、估计阻尼因子、估计幅度。
本发明的自适应内模控制器的状态方程如下所示:
其中,τ表示自适应内模控制器的时间变量;x1(τ)和x2(τ)分别表示两个状态变量,ω(τ)表示测量信号的估计频率的暂态值,σ(τ)表示测量信号的估计阻尼因子的暂态值,e(τ)表示自适应内模控制系统的误差;和/>分别表示两个状态变量关于时间变量的导数。
自适应内模控制系统的待估计的测量信号的表达式如下所示:
其中,τ表示自适应内模控制器的时间变量;表示高频噪声信号;y0(τ)表示原始测量信号;y(τ)表示自适应内模控制系统待估计的测量信号即加入高频噪声信号后的测量信号;a0表示原始测量信号的幅值;w0表示原始测量信号的频率;σ0表示原始测量信号的阻尼因子;δ0表示原始测量信号的相位。
所述自适应内模控制器的自适应频率更新方程如下所示:
所述自适应内模控制器的自适应阻尼因子更新方程如下所示:
其中,表示测量信号的估计频率关于时间变量的导数;/>表示测量信号的估计阻尼因子关于时间变量的导数;k、γ、μ、ε均表示可调节的参数,且均为正实数。
测量信号的估计幅度的表达式为:
其中,a(τ)表示测量信号的估计幅值。
e(τ)=y0(τ)-y′(τ)=y0(τ)-x1(τ)
其中,y′(τ)表示自适应内模控制器的输出信号,e(τ)表示自适应内模控制系统的误差。
本发明的自适应内模控制系统,是由三个微分方程和三个代数方程构成的闭环动力学系统;
三个微分方程如下所示:
三个代数方程如下所示:
其中,τ表示自适应内模控制器的时间变量;x1(τ)和x2(τ)分别表示两个状态变量;ω(τ)表示测量信号的估计频率的暂态值;σ(τ)表示测量信号的估计阻尼因子的暂态值;e(τ)表示自适应内模控制系统的误差;y(τ)表示自适应内模控制系统待估计的测量信号;a(τ)表示测量信号的估计幅值;和/>分别表示两个状态变量关于时间变量τ的导数;表示测量信号的估计频率关于时间变量τ的导数;/>表示测量信号的估计阻尼因子关于时间变量τ的导数;k、γ、μ、ε均表示可调节的参数,且均为正实数。
假设x1(τ)、x2(τ)、ω(τ)、σ(τ)此4个变量的初始值,并设定此4个变量的边界值,|x1(τ)|≤amax,|x2(τ)|≤amax,0<ωmin≤ω(τ)≤ωmax,0<σ(τ)≤σmax;amax为测量信号的最大幅值,ωmax为测量信号的最大频率,ωmin为测量信号的最小频率,σmax为测量信号的最大阻尼因子。
自适应内模控制系统待估计的测量信号y(τ)的表达式如下所示:
其中,τ表示自适应内模控制器的时间变量;表示高频噪声信号;y0(τ)表示原始测量信号;y(τ)表示自适应内模控制系统待估计的测量信号即加入高频噪声信号后的测量信号;a0表示原始测量信号的幅值;ω0表示原始测量信号的频率;σ0表示原始测量信号的阻尼因子;δ0表示原始测量信号的相位。
从瞬态收敛性和稳定的抗噪性能两方面分别对算法表达式即上述的微分方程和代数方程进行分析,其中,
从瞬态收敛性方面对算法表达式进行分析:
当高频噪声信号时,先基于τ=ω0 -1(t-δ0)对算法表达式进行时间尺度变换,将幅度呈指数衰减的正弦信号即原始测量信号y0(τ)改写成关于时间变量t的表达式,即y0(τ)→y1(t),y1(t)表示时间尺度变换后的原始测量信号的表达式,/>其中,a1表示时间尺度变换后的原始测量信号的幅值;/>σ1表示时间尺度变换后的原始测量信号的阻尼因子,σ1=ω0 -1σ0;
再通过变量代换综合得到一个二维微分方程,从而得到非线性动力学系统。
当可调节的参数ε=0时,考虑到冻结参数法,状态方程即微分方程式(1)可变为线性时不变系统LTI,并且状态方程的常数系数矩阵的两个特征值总有负实部,根据中心流行定理知,线性时不变系统LTI可进行积分流行解耦,因此,
自适应内模控制器的状态变量可表示为:
其中,θ表示时间尺度变换后的测量信号的估计频率,θ=ω/ω0;t表示时间尺度变换后的时间变量;表示状态变量x1的稳态响应,/>表示状态变量x2的稳态响应,/>表示状态变量x1的暂态响应,/>表示状态变量x2的暂态响应。
自适应内模控制系统的误差可表示为:
其中,表示自适应内模控制系统的稳态识别误差。
综上所述,通过频率特性知识可以得到线性时不变系统LTI的稳态响应以及稳态识别误差。
所述自适应内模控制系统中的自适应频率更新方程和自适应阻尼因子更新方程可以表示为相对于时间变量t的两个耦合的几乎周期性的动力系统。
表示对时间尺度变换后的测量信号的估计频率关于时间变量t的导数,/>表示对时间尺度变换后的测量信号的估计阻尼因子关于时间变量t的导数;
运用平均化方法来证明所述的自适应频率更新方程和自适应阻尼因子更新方程的渐进收敛性,通过积分公式以及李雅普诺夫第二方法可知:[θ σ]T=[1 0]T是平均系统的唯一平衡点,因此,对于足够小的正实数ε,两个变量θ和σ渐进收敛至其平衡点分别是[θ σ]T=[1 0]T。
从稳定的抗噪性能方面对算法表达式进行分析:
当高频噪声信号时,其中,/>分别表示噪声信号的幅值、频率、相位,通过实践尺度变化,以及噪声下的状态方程,根据频率特性得到此时的稳态响应,分析得到有噪声条件下的误差边界。
本发明的幅值指数衰减的正弦波信号参数识别方法为四阶方法,状态方程、频率、阻尼因子更新法则都满足李普希茨条件,采用四阶Runge-kutta方法能够保证收敛性与相容性。
由于本发明的幅值指数衰减的正弦信号参数识别方法的估计频率是局部收敛的,需要把估计频率限制在一定变化范围内,因而对估计频率、阻尼因子进行限幅处理。
可调节的参数κ的数值对幅值指数衰减的正弦信号的估计参数的收敛速度有影响,主要表现在:可调节的参数κ较大时,会降低估计参数的收敛速度,无法估计测量信号频率、阻尼因子、幅值;但是,可调节的参数κ越大,由正弦噪声引起的自适应内模控制系统的稳态识别误差就越小。
为了直观的说明本发明的参数识别方法的性能,在附图中给出了Simulink的仿真结果,其中:
图2为测量信号的频率估计图;横坐标为时间,单位为秒,横坐标从0开始,且相邻的两个横坐标之间的间隔为20秒;纵坐标为频率,纵坐标从0开始,且相邻的两个纵坐标之间的间隔为0.5。
图3为测量信号的阻尼因子估计图;横坐标为时间,单位为秒,横坐标从0开始,且相邻的两个横坐标之间的间隔为20秒;纵坐标为阻尼因子,纵坐标从0开始,且相邻的两个纵坐标之间的间隔为0.01。
图4为测量信号的幅值估计图;横坐标为时间,单位为秒,横坐标从0开始,且相邻的两个横坐标之间的间隔为20秒;纵坐标为幅值,纵坐标从1.0开始,且相邻的两个纵坐标之间的间隔为0.5。
从图2、图3、图4可以看出,本发明的幅值指数衰减的正弦波信号参数识别方法所估计的信号频率、阻尼因子、幅值总能分别收敛到各自的实际值。
图5为在高频噪声情况下频率估计的误差图,横坐标为时间,单位为秒,横坐标从70开始,且相邻的两个横坐标之间的间隔为10秒;纵坐标为高频噪声情况下频率识别即频率估计值,纵坐标从-5×10-3开始,且相邻的两个纵坐标之间的间隔为1×10-3。
图6为在高频噪声情况下阻尼因子估计的误差图,横坐标为时间,单位为秒,横坐标从70开始,且相邻的两个横坐标之间的间隔为10秒;纵坐标为高频噪声情况下高频噪声情况下阻尼因子即阻尼因子估计值,纵坐标从-5×10-3开始,且相邻的两个纵坐标之间的间隔为1×10-3。
从图5和图6可以看出在高频噪声情况下,幅值指数衰减的正弦波信号参数估计的误差能够精确收敛到零,本发明方法在高频噪声情况下同样具有良好的抗噪性能。
以上仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。
Claims (3)
1.一种幅值指数衰减的正弦波参数识别方法,其特征在于,该识别方法基于自适应内模控制系统,所述自适应内模控制系统包括一个自适应内模控制器;将待估计的测量信号输入至所述自适应内模控制系统中,通过自适应内模控制器的自适应频率更新方程和自适应阻尼因子更新方程,得到测量信号即幅值呈指数衰减的正弦波信号的参数,所述参数包括估计频率、估计阻尼因子、估计幅度;
自适应内模控制器的状态方程如下所示:
其中,表示自适应内模控制器的时间变量;x1(/>)和x2(/>)分别表示两个状态变量;ω(/>)表示测量信号的估计频率的暂态值;σ(/>)表示测量信号的估计阻尼因子的暂态值;e(/>)表示自适应内模控制系统的误差;/>和/>分别表示两个状态变量关于时间变量的导数;
所述自适应内模控制器的自适应频率更新方程如下所示:
所述自适应内模控制器的自适应阻尼因子更新方程如下所示:
其中,表示测量信号的估计频率关于时间变量的导数;/>表示测量信号的估计阻尼因子关于时间变量的导数;k、γ、μ、ε均表示可调节的参数,且均为正实数;
测量信号的估计幅度的表达式为:
其中,a(τ)表示测量信号的估计幅值。
2.根据权利要求1所述的一种幅值指数衰减的正弦波参数识别方法,其特征在于,自适应内模控制系统的待估计的测量信号的表达式为:
其中,表示自适应内模控制器的时间变量;/>表示噪声信号;y0(/>)表示原始测量信号;y(/>)表示自适应内模控制系统待估计的测量信号即加入噪声信号后的测量信号;a0表示原始测量信号的幅值;ω0表示原始测量信号的频率;σ0表示原始测量信号的阻尼因子;δ0表示原始测量信号的相位。
3.根据权利要求2所述的一种幅值指数衰减的正弦波参数识别方法,其特征在于,
e()=y0(/>)-y′(/>)=y0(/>)-x1(/>)
其中,y′()表示自适应内模控制器的输出信号,e(/>)表示自适应内模控制系统的误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052687.9A CN111310303B (zh) | 2020-01-17 | 2020-01-17 | 一种幅值指数衰减的正弦波参数识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052687.9A CN111310303B (zh) | 2020-01-17 | 2020-01-17 | 一种幅值指数衰减的正弦波参数识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111310303A CN111310303A (zh) | 2020-06-19 |
CN111310303B true CN111310303B (zh) | 2024-02-02 |
Family
ID=71154594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010052687.9A Active CN111310303B (zh) | 2020-01-17 | 2020-01-17 | 一种幅值指数衰减的正弦波参数识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310303B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960068A (zh) * | 2016-09-30 | 2017-07-18 | 中国人民解放军海军工程大学 | 一种基于脉冲激励响应频谱的模态阻尼比快速计算方法 |
CN109145476A (zh) * | 2018-08-31 | 2019-01-04 | 重庆水利电力职业技术学院 | 用于电力系统信号处理的时域自适应分段复指数级数法 |
CN110048416A (zh) * | 2019-05-07 | 2019-07-23 | 湖南工学院 | S-g滤波和自适应mp算法的低频振荡模态辨识方法 |
CN110209051A (zh) * | 2019-05-30 | 2019-09-06 | 合肥工业大学 | 一种基于自适应内模控制器的不确定周期扰动消除方法 |
EP3575892A1 (en) * | 2017-01-27 | 2019-12-04 | Mitsubishi Hitachi Power Systems, Ltd. | Model parameter value estimation device and estimation method, program, recording medium with program recorded thereto, and model parameter value estimation system |
-
2020
- 2020-01-17 CN CN202010052687.9A patent/CN111310303B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960068A (zh) * | 2016-09-30 | 2017-07-18 | 中国人民解放军海军工程大学 | 一种基于脉冲激励响应频谱的模态阻尼比快速计算方法 |
EP3575892A1 (en) * | 2017-01-27 | 2019-12-04 | Mitsubishi Hitachi Power Systems, Ltd. | Model parameter value estimation device and estimation method, program, recording medium with program recorded thereto, and model parameter value estimation system |
CN109145476A (zh) * | 2018-08-31 | 2019-01-04 | 重庆水利电力职业技术学院 | 用于电力系统信号处理的时域自适应分段复指数级数法 |
CN110048416A (zh) * | 2019-05-07 | 2019-07-23 | 湖南工学院 | S-g滤波和自适应mp算法的低频振荡模态辨识方法 |
CN110209051A (zh) * | 2019-05-30 | 2019-09-06 | 合肥工业大学 | 一种基于自适应内模控制器的不确定周期扰动消除方法 |
Non-Patent Citations (1)
Title |
---|
一种基于改进正弦频率估计算法的功率测量;储昭碧;郭方舸;;制造业自动化(04);第67-72及87页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111310303A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3207388B1 (en) | Battery condition monitoring | |
CN108789418B (zh) | 柔性机械臂的控制方法 | |
Jing | Nonlinear characteristic output spectrum for nonlinear analysis and design | |
CN101976560B (zh) | 前馈型窄带主动噪声控制系统性能提高的方法 | |
CN110303521B (zh) | 机器人关节力矩信号采集系统及方法 | |
CN102122322B (zh) | 动载荷的自适应时域识别方法 | |
CN111522243A (zh) | 一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略 | |
WO2017006547A1 (ja) | 能動型騒音低減装置 | |
CN112233644A (zh) | 一种基于四元数自适应滤波器的滤波-x最小均方有源噪声控制方法 | |
CN110705041B (zh) | 一种基于easi的线性结构工作模态参数识别方法 | |
CN112612211A (zh) | 一种基于参数化前馈的伺服系统残余振动抑制方法 | |
CN111310303B (zh) | 一种幅值指数衰减的正弦波参数识别方法 | |
CN111949036A (zh) | 一种轨迹跟踪控制方法、系统及两轮差速移动机器人 | |
CN113467236B (zh) | 一种对误差信号进行时滞补偿的方法 | |
CN110262242B (zh) | 一种微陀螺仪自适应分数阶滑模控制方法 | |
CN109324503B (zh) | 基于鲁棒积分的多层神经网络电机系统控制方法 | |
CN114492078A (zh) | 一种轮胎侧偏刚度确定方法和装置 | |
CN111752149B (zh) | 一种用于伺服电机指定时间吸引的数字重复控制器设计方法 | |
US10355670B1 (en) | Active suppression controller with tracking and correction for multiple time-varying fundamental frequencies | |
Dovetta et al. | Uncertainty propagation in model extraction by system identification and its implication for control design | |
CN111402854A (zh) | 基于变步长算法的窄带主动噪声控制系统的降噪方法 | |
Zhang et al. | Performance Testing and Analysis of Multi-Channel Active Control System for Vehicle Interior Noise Using Adaptive Notch Filter | |
CN110032802B (zh) | 基于dq变换的飞机供电系统灵敏度分析计算方法 | |
CN111240202B (zh) | 航空发动机电液伺服系统在线辨识方法 | |
JP7107496B2 (ja) | 制御系設計方法及び試験システムの制御パラメータ決定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |