陈柳

摘 要：提出一种基于遗传算法优化的改进UKF参数辨识方法。利用遗传算法较好的全局寻优能力，可以获得比较准确的噪声模型即期望噪声模型。为了解决滤波精度与初始动态特性之间的矛盾，将传统无迹卡尔曼滤波过程分为启动阶段和平稳阶段两部分，在启动阶段引入使系统动态特性较好的噪声模型，而在平稳阶段引入所获得的期望噪声模型。该方法在一定程度上既可解决噪声模型难以准确获得的实际问题，提高辨识精度，同时又能有效避免因追求高精度造成UKF在启动阶段出现较大超调而导致滤波失败。最后，将此方法应用于对双馈感应风力发电机的参数辨识中，仿真结果验证了该方法的有效性。

关键词：无迹卡尔曼滤波；遗传算法；模型优化；参数辨识；双馈风力发电机

中图分类号：TB

文献标识码：A

doi：10.19311/j.cnki.1672-3198.2017.16.095

1 基于遗传算法优化的改进UKF算法

由UKF递推公式可知，噪声模型Q和R对算法的收敛性和精度影响很大，不同的值会引起不同的动态变化。若系统噪声增强，则Q值增大，加大了系统的不确定性。若测量噪声增强，则R值增大，会使状态量的修正缓慢；相反，R值将减小，当R值过小时会使滤波过程不稳定或发散。因此确定准确的噪声模型是能否获得卡尔曼最优估计的重要环节。

基于GA优化噪声模型，实质上是求解含变量上、下限约束的最优化问题，它只需要目标函数的值，不依赖问题具体的领域，具有很强的鲁棒性。根据遗传算法的特点，将UKF滤波参数作为遗传算法的基因型，性能指标构成相应的适应度值。……