超大型电机控制系统中时延的影响分析及补偿方法

在超大型电机控制系统中,其数字控制系统存在计算时延、采样时延、脉冲宽度调制输出时延、系统死区、滤波时延以及网络传输时延等非理想因素,严重影响了控制系统的动静态性能,甚至可能会导致系统震荡或发散。为此,针对时延的类型、大小及其在控制系统中的定位区别,分析了固定时延和随机时延对控制的影响,总结了目前已有的补偿方法,并对实际工程中的电机控制时延问题研究进行了展望,为后续时延补偿控制的深入研究提供参考。

深度学习及其在电机控制中的研究现状与展望

状态观测器、卡尔曼滤波器等传统观测器由于应用范围的局限性,自身结构的缺陷性,会使电机控制系统的设计变复杂,观测精度降低,观测范围受限等。深度学习具有非线性拟合能力和泛化能力好以及特征提取能力强等优点。以深度学习观测器为主线,阐述了其应用到电机控制系统中的优势,以四种典型网络为例介绍了深度学习的原理和结构,列举并重点分析了深度学习在电机控制中的应用,对未来深度学习在电机观测器控制中的发展方向进行了展望。

一种基于非线性扰动观测器的飞轮储能系统优化充电控制策略

飞轮储能系统的工作模式要求在最短的时间内对飞轮进行可靠地充电。该文在分析传统充电控制策略的基础上,结合飞轮储能系统的工作特性,提出了一种基于非线性扰动观测器的优化充电控制策略。外环采用转速控制和能量控制相结合的方式,转速环实现恒转矩控制,能量环实现恒功率控制;引入过渡控制环节实现恒转矩控制和恒功率控制的切换;利用非线性扰动观测器估计电机损耗功率和负载功率并进行前馈补偿;基于控制系统稳态、动态和抗扰动性能的要求,给出一种控制器参数设计方法。与传统控制策略相比,所提充电控制策略恒功率控制灵活,恒转矩控制至恒功率控制切换平滑,且有效抑制了电机损耗功率和负载功率的影响,满足了飞轮储能系统的工作特性要求。最后,仿真和实验结果验证了所提策略的可行性和实用性。