当前位置: 首页 > news >正文

Simulink实现RELS递推最小二乘算法

目录

一. 算法推导

二. RELS公式

1. 增益矩阵

2. 协方差矩阵

3. 参数更新

三. RELS参数辨识应用实例——PMSM参数辨识


一. 算法推导

详见递推最小二乘法推导.pdf

二. RELS公式

1. 增益矩阵

λ为遗忘因子矩阵,一般为0.95-1,若取1则为RLS(不带遗忘因子的递推最小二乘法);

模型搭建:

注意乘除法模块都应该在模块参数中选择矩阵;

2. 协方差矩阵

模型搭建:

协方差矩阵的初值不能为0,一般可设为单位阵I;

3. 参数更新

三. RELS参数辨识应用实例——PMSM参数辨识

PMSM电机绕组的电学方程(dq坐标系下):

想要辨识Ld、Lq、Rs,将方程变形:

写成矩阵形式:

为了实现建模,将公式离散化(导数进行差分):

那么观测值和带估计参数就都清晰了:已经写成了Y=HX的形式了。

这里仿真的输入采用的是DeepSeek生成的数据:

Rs_true = 0.5;    % 定子电阻 (Ω) 
Ld_true = 0.01;   % d轴电感 (H) 
Lq_true = 0.015;  % q轴电感 (H) 
psi_f = 0.1;      % 永磁磁链 (Wb)
np = 4;           
% 极对数 
% 生成时间序列 
t = 0:0.001:1;    
N = length(t); 
% 1秒仿真,1kHz采样率 
% 注入激励信号(正弦+阶跃,保证参数可辨识) 
id_ref = 0.5 * sin(2*pi*10*t);       
iq_ref = 2 * (t > 0.2) - 1;          
we = 100 * (t > 0.5);                
% d轴电流激励 (10Hz正弦) 
% q轴电流激励(阶跃变化) 
% 电角速度 (rad/s),0.5秒后加速 
% 生成电压方程(忽略反电势,简化问题) 
vd = Rs_true * id_ref - we * Lq_true * iq_ref; 
vq = Rs_true * iq_ref + we * (Ld_true * id_ref + psi_f); 

仿真模型如下:

RELS公式部分已省略,模型同上

最终结果:

http://www.lryc.cn/news/626829.html

相关文章:

  • 【机器学习】什么是损失景观(Loss Landscape)?
  • 漏扫 js 里面包含一些敏感内容 利用二进制加密 保持原始内容不变 又能过漏扫
  • 亚马逊蓝海掘金:以需供比为锚点的精准选品策略
  • 高压柜无线测温:给智能化配电室装上“智能体温监测仪”
  • Leetcode 深度优先搜索 (11)
  • C语言---分隔符、常量、注释、标识符、关键字、空格
  • 笔试——Day44
  • 域名加白怎么做
  • 实战:本地大模型+function Calling,获取北京天气
  • 保姆级Debezium抽取SQL Server同步kafka
  • JSON::Value 功能详解:从三目运算符到高级用法
  • Pytest项目_day20(log日志)
  • PyTorch API 2
  • GPT-5 上线风波深度复盘:从口碑两极到策略调整,OpenAI 的变与不变
  • C++开发/Qt开发:单例模式介绍与应用
  • 拓扑排序判断环 P1347 排序题解
  • 第二十七天:游戏组队问题
  • 跨平台 RTSP/RTMP 播放器工程化实践:低延迟与高稳定性的挑战与突破
  • Redisson最新版本(3.50.0左右)启动时提示Netty的某些类找不到
  • pip 安装常见错误及实例化解决办法大全
  • Tomcat部署与HTTP协议详解
  • 凸问题-非凸问题-非凸模型
  • 第十四届“中国软件杯”大赛晋级现场总决赛名单公布
  • PyTorch API 6
  • 单片机通信协议核心关系梳理笔记(UART/USART/232/485/SPI/12C/LIN/BLE/WIFI)
  • Spring Boot 3.4.x 性能优化实战:用 Undertow 替换 Tomcat 全指南​
  • JavaScript 性能优化实战:从原理到落地的完整指南
  • 【OneAI】使用Rust构建的轻量AI网关
  • 【Axure高保真原型】拖拉拽画圆
  • JavaScript 性能优化实战(易懂版)