基于时频特征融合与GWO-ELM的棒控电源早期故障状态辨识方法

针对核电棒控系统电源(PWE)早期故障状态辨识问题,提出一种基于融合时域与时频域的故障特征和灰狼优化算法(GWO)的极限学习机(ELM)辨识方法。首先,根据棒控电源PWE工作原理和控制棒驱动机构的驱动电流,利用电流上升时间分析了早期波形形态与早期故障模式。然后,构建融合电流上升时间、均方根-差分和和小波包奇异熵的故障时频特征,分析了特征的可区分性。进而,采用GWO算法进行ELM分类器参数择优,建立GWO-ELM模型实现PWE早期故障状态的辨识,以提高辨识精度。最后,通过开展不同特征组合和辨识模型比对试验,结果表明所提方法能有效实现棒控电源早期故障识别诊断,且平均辨识准确度可达98.86%。

基于虚拟矢量优选的FCS-MPC稳定性策略研究

为了提高并网逆变器有限集模型预测控制(FCS-MPC)方法中的稳定性问题,研究了基于Lyaponov准则的并网逆变器有限集模型预测控制大信号稳定性方法。首先建立数学模型,分析参数变化对预测误差的影响和大扰动导致的稳定性问题,接着提出采用虚拟电压矢量的Lyapunov控制器的有限集模型预测控制稳定性策略。利用Lyapunov控制器并结合考虑稳定性约束的目标函数增强系统抗扰动能力,虚拟电压矢量满足Lyapunov稳定性需求,同时改善控制性能,并设计有限集选取策略减少计算量。仿真和实验验证了所提方法在扰动及参数变化情况下控制性能和抗干扰能力。