宏观非一致增长波动经济二次最优完全控制模型

依据完全控制模型理论，给出了宏观非一致增长波动经济最大似然估计参数方法，并给出松驰优化因子和牛顿迭代相结合的求解算法．在估计参数的基础上，给出宏观非一致增长经济均衡轨道性质．

含光储充的配网虚拟电厂二次调频随机模型预测控制策略

含光储充的主动配电网作为一种灵活的新型调节资源,可通过聚合其内部的多类分布式电源组成配网虚拟电厂(distribution-level virtual power plant,DVPP)进而整体参与系统二次调频,具有广阔的发展前景。但实际配电网内部情况复杂,存在储能配置有限导致可调容量不足、光伏短时出力难以预测导致控制不精确、功率分配不合理导致内部电压越限的问题,传统虚拟电厂调频策略难以适用。针对上述问题,提出了一种基于随机模型预测控制(stochastic model predictive control,SMPC)的DVPP二次调频策略,通过聚合模型设计、光伏不确定功率的场景树模型搭建、SMPC策略设计的方式实现了分布式电源出力扰动情况下DVPP快速、准确响应自动发电控制(automatic generation control,AGC)指令的目标,并有效降低了功率调节对系统内部电压的影响,为DVPP参与系统二次调频提供了理论基础。

基于线性二次最优-PID车辆控制策略研究

针对车辆在循迹过程中主动跟随精确性的问题,本文提出了一种利用线性二次(LQR)-PID最优算法设计上层控制器的方法。首先,根据车辆的动静态特性和运动特性建立CarSim车辆模型,并设计相应的性能指标;然后,采用LQR线性二次最优控制和PID控制设计了针对不同路况条件下的两种跟车策略,结合实际驾驶条件下自身传感器采集的数据作为系统输入,将所设计控制策略得到的输出作用于车辆模型。联合仿真表明:线性二次-PID最优控制策略在不同工况条件下能够有效地减小车辆在跟随过程中的稳态误差,且能够明显改善驾乘体验。

基于模型预测控制的风储联合电场参与电网二次调频策略

随着风力发电在电网中渗透率不断增加,需要风储联合电场参与电网调频服务,维持电网的频率稳定.针对中高风速下的风储联合电场,通过分析风力发电机的机械特性和储能系统的运行特性,确定了减载运行方式下风力发电机桨距角的控制方式,提出一种基于模型预测控制的风储联合电场参与电网二次调频的控制策略.建立风电场桨距角控制的预测模型和电化学储能系统的预测模型,优化风力发电机和储能系统的有功功率输出,在调频基础上更好地减少了风能损失.根据上级系统的有功功率指令值和风力发电机实际输出功率之间的差值对桨距角控制进行进一步修正,使得风力发电机在二次调频期间能够更好地追踪到上级系统的功率指令值,迅速响应频率变化值,减小动态频率偏差,完成二次调频任务.仿真结果表明,该控制策略综合考虑了风力发电机可控的二次调频能力和电化学储能系统响应快速、跟踪精确的特性,使风储联合电场能够主动响应系统频率的变化,更好地跟踪上级系统下发的有功功率指令值,参与电网二次调频.

含风光出力随机性的独立微电网二次频率控制

针对风、光发电随机性的问题,提出一种考虑新能源减载参与二次调频的模型预测控制方法。建立包含随机功率扰动的扩展状态矩阵,采用卡尔曼滤波估算随机未知扰动;依据风、光最大可用功率,建立实时变约束,避免机组功率越限;设置合理的权重系数,优先风、光发电出力参与二次调频;通过求解变约束二次规划问题,获得各个机组的优化调频功率。最后,建立含多个光伏、风电的微电网模型,在不同场景下与常规二次调频方法进行对比仿真。仿真结果表明,所提方法能提高系统频率恢复速度,减小系统频率波动,尤其在风、光发电剧烈波动场景下。

基于BP神经网络的集中供热二次网回水温度预测控制研究

针对集中供热系统二次管网存在的水力失调问题,设计了二次网水力平衡调节及回水温度预测模型,并实施智能控制策略,以实现二次网回水温度的精准控制。首先,构建BP神经网络预测模型,将此模型的输出视为二次网回水温度给定值;其次,在整个系统控制中,实施BP神经网络与PID控制器相结合的策略,进行二次网回水温度的控制。以高邑县某小区换热站数据为基础,通过阶跃响应曲线法建立二次网回水温度控制系统的数学模型,并通过BP-PID控制进行仿真实验。实验结果表明,与传统PID控制器相比,BP-PID控制器具有调节时间短、超调量小的优点,能够快速达到平稳状态。

基于无模型自适应控制的船舶微电网二次调频控制策略

针对复杂海况下船舶微电网由于负载投切导致频率偏移越限及船舶微电网二次调频控制器设计的问题,提出一种基于无模型自适应控制(MFAC)的船舶微电网二次调频控制策略。对包含未知船舶负载扰动的虚拟同步发电机转子运动方程进行离散化处理,通过紧格式动态线性化处理方法给出关于虚拟同步发电机输出角频率与虚拟输入机械功率离散后的数据模型,并将未知负载扰动合并到一个非线性项中;根据数据模型设计MFAC控制器,并给出伪偏导数估计算法;采用径向基神经网络观测器对包含船舶负载扰动的非线性项进行观测,并结合无模型自适应控制改进虚拟同步发电机控制策略,给出船舶负载扰动下的船舶微电网二次调频控制方案;构建船舶微电网二次调频系统;最后在仿真模型中验证了所提控制策略的准确性和有效性。

基于改进MFAC的交直流微电网分布式二次控制

针对现有交直流微电网分布式二次控制(distributed secondarycontrol,DSC)受分布式电源一次控制参数影响较大、通信拓扑结构复杂、二次控制参数难以整定等问题,提出基于改进MFAC的交直流微电网DSC(MFAC-DSC),利用分布式电源的历史采样数据在线估计其动态线性化参数,解决了传统方法受一次控制参数影响较大的问题;通过优化DSC的通信结构和控制策略,避免了互联变流器参与二次控制通信,解决了互联变流器通信失效影响DSC的问题;推导了MFAC-DSC系统收敛性,给出了稳定收敛条件。基于交直流微电网实验平台在多种工况下验证了MFAC-DSC的可行性,与传统的DSC策略的对比结果表明:MFAC-DSC方法有效减少分布式电源下垂系数变化带来的功率波动,保证下垂系数有更大的调节范围,同时解决了互联变流器通信失效造成的控制失效和母线电压偏移等问题。

模型预测控制技术在婴配乳粉配料优化中应用

为降低婴幼儿配方乳粉生产过程中的营养成分含量波动,本研究基于模型预测控制(MPC)算法和序列二次规划(SQP)算法构建婴幼儿配方乳粉配料优化控制模型,进行配料过程营养成分含量预测、反馈校正和滚动优化。结果表明,通过配料优化控制模型模拟干预100批次乳粉生产过程后,蛋白质、脂肪和碳水化合物含量的标准差分别从5.18、4.91、5.86 g·kg^(-1)降低至1.01、1.22和1.33 g·kg^(-1),验证了配料优化控制模型的有效性。本研究可为实现婴幼儿配方乳粉的配料优化控制提供参考。

一种带控制端的二次校正滤波器

提出了一种带控制端的二次校正滤波器,可在系统稳定和不稳定情况下实现自校正滤波.对于稳定系统,将其转化为自回归滑动平均(ARMA)模型进行自校正滤波;对于由于参数问题导致的不稳定系统,关键参数可分解为限定范围的游离参数1和固定或缓慢变化的游离参数2之和,即将系统转化为游离参数1作用下的稳定系统和可通过控制端进行二次校正的系统的组合.通过设定控制准则,将状态值和控制端联系起来,利用相关函数法估计控制端的控制系数,并将控制端二次校正值反馈至稳态滤波器(或预报器)中,实现一定范围内较稳定的自校正滤波.通过一个仿真例子验证了该方法的有效性.

基于刚体模型的光电伺服系统最优控制方法

在现阶段的导弹武器系统中,控制系统大都采用经典PID控制器,但随着控制性能要求的不断提升,PID控制器在追求响应快速的同时难以兼得跟踪过程平稳;针对工程中遇到的以上问题,提出设计最优控制器,采用线性二次型调节器(LQR)求解最优控制律;通过仿真可以看到,最优控制器跟踪阶跃信号无静差,调节时间为0.034 s,上升过程平稳无超调;跟踪斜坡信号和正弦信号时,跟踪误差远小于,滞后时长仅为毫秒量级;最优控制器系统能够实现快速跟踪阶跃、斜坡和正弦输入信号,且具有较好的跟踪性能;与经典PID控制器相比,该方法具有更高的控制精度、更好的控制性能和稳定性,能够解决PID控制器在工程中遇到的快速性和平稳性难以兼得的难题。

基于线性二次型最优控制的机器人示教数据处理系统设计

针对机器人拖动示教过程中传感器采集的数据含有噪声的问题,提出了一种基于线性二次型最优控制的运动轨迹控制器。首先,针对机器人关节运动特性建立状态空间模型,并设计相应的性能指标;然后,采用线性二次型最优控制设计最优控制律和相应的控制系统;最后,以Franka Emika机器人为示教对象进行实验,将机器人自身传感器采集的数据作为最优控制系统的输入,将系统输出用于机器人的运动控制,完成机器人拖动示教。实验结果表明,线性二次型最优控制方法能有效抑制传感器采集数据的噪声,较好地将关节速度、加速度和急动度的幅值控制在合理范围内,使处理后的数据能更好地应用于机器人的拖动示教。

基于Amesim对起重机二次控制主动波浪补偿系统仿真

基于实际需求,对起重机二次控制主动波浪补偿系统进行了仿真。基于一型起重机,对其二次控制主动波浪补偿系统的分析、计算和设计,应用仿真软件Amesim建立起重机各子系统的数学模型,对各子系统进行仿真分析和优化选型,确认其液压系统元件参数。应用仿真软件Amesim建立整机仿真模型并进行仿真研究,使其在4级的作业海况下,满足升沉方向补偿精度达到95%,为起重机二次控制系统的液压元器件选型提供理论依据,也为起重机系统设计及应用提供依据。该研究得出的起重机补偿技术能补偿风浪、洋流等复杂海洋环境成的升沉方向上的运动,保证海上补给和精密设备吊装的安全性。

基于序列二次规划算法的插电式混合动力汽车模型预测控制策略

为提升插电式混合动力汽车(PHEV)的车速预测精度和燃油经济性,提出基于序列二次规划(SQP)算法的模型预测控制能量管理策略。以卷积神经网络(CNN)构建的车速预测模型为基础,选取三类典型历史工况数据作为CNN车速预测模型的训练集,使用鲸鱼优化算法(WOA)优化CNN参数,通过优化的WOA-CNN模型预测未来时域内的车速;采用SQP算法对模型预测控制策略进行求解,且与基于规则的电量消耗和电量保持(CD-CS)策略和基于全局优化的动态规划(DP)策略的控制结果进行对比分析,验证所提策略的有效性。结果表明:通过WOA-CNN模型可提高车速预测精度,为4.88%~8.39%;与DP控制策略相比,本文提出策略的燃油消耗量高出1.98%,但计算时间减少了74.32%,能量管理的实时性得到大幅提升;与CDCS控制策略相比,提出策略的节油率为20.37%。综合考虑,本文提出策略的整车能量消耗和计算成本较优,可合理实现对PHEV转矩分配的智能控制。

永磁同步电动机参考模型逆线性二次型最优电流控制调速系统

提出永磁同步电动机参考模型逆线性二次型(MR-ILQ)最优电流控制调速系统的结构、数学模型,设计最优电流控制调速系统的控制器,分析系统的稳定性和跟踪性能。绘制了MR-ILQ最优电流控制系统的根轨迹,给出保证系统电流控制最优性的增益调整参数的条件和保证系统实现电流准确跟踪的误差调整补偿器的取值规律。以内埋式永磁同步电动机为例。对系统进行了仿真研究,结果表明:系统对参数变化和负载扰动具有很强的鲁棒性,可以实现高精度的电流控制和速度控制;MR-ILQ最优电流控制调速系统的鲁棒性远远优于比例积分PI电流控制调速系统;给出的MR-ILQ最优电流控制增益调整参数和误差调整补偿器的理论确定方法与仿真试验相吻合。

基于扩展卡尔曼滤波器的参考模型逆线性二次型最优电流控制

提出了简化的参考模型逆线性二次型(MR-ILQ)最优电流控制。为了解决MR-ILQ最优电流控制存在的电机低速运行不平稳、运行噪声大等问题,设计了扩展卡尔曼滤波器(EKF),构成基于EKF的MRILQ最优电流控制器。针对EKF拥有适于克服电机模型的不确定性和非线性、估计性能优越、抗噪能力强等优点,将其与MR-ILQ最优电流控制器相结合,所构成的新控制器兼有两种算法的优点。研究结果表明,基于EKF的MR-ILQ最优电流控制器能够有效地解决电机低速运行不平稳、运行噪声大等问题,同时也具有较强的鲁棒稳定性和跟踪性能,保证了电机的平稳运行,工业实用价值高。

图腾柱PFC无静差二次型最优PID控制仿真分析

计算方法以及计算机技术的发展促进了现代控制理论的工程化。本文采用无静差二次型最优调节器(LQR)优化PID控制参数选取方法,设计了图腾柱功率因数校正器(PFC)二次型最优PID控制算法。在给出双闭环LQR优化PID控制原理后,建立了状态空间平均模型,采用MATLAB的LQR函数设计了BOOSTDC-DC变换器的双闭环PID控制算法,进而采用相同的双闭环PID控制参数设计了对等电气条件下图腾柱PFC二次型最优PID控制参数,搭建了MATLAB/Simulink仿真电路,分析结果反映了图腾柱PFC二次型最优PID控制参数优化方法是可行的。

永磁同步电动机的参考模型逆线性二次型(MR-ILQ)最优电流控制跟踪鲁棒性

过渡响应的鲁棒性反映输出误差的最大瞬时值.利用l∞范数和线性矩阵不等式(LMI),给出了评价电流控制系统鲁棒跟踪性能的方法.采用该方法直接评价了电流控制系统的跟踪鲁棒性能.以内埋式永磁同步电动机为例,对阶跃和正弦电流给定信号下的最优电流控制系统以及调速系统进行了仿真研究,结果表明合理的控制器参数选择,使系统能实现电流的准确跟踪以及精确的速度控制,对参数变化和负载扰动具有很强的鲁棒性.

基于二次型性能最优模型参考自适应直流电动机控制系统

本文提出一种模型参考自适应直流电动机的控制方案。参考模型用二次型性能指标最优控制。按李雅普诺夫稳定性理论设计自适应控制器。计算机仿真表明,系统具有很强的自适应能力。与Hans Butler等人提出的方案[1]相比较,设计容易、系统较简单、尤其是系统的调试方便。

基于模型预测控制的车辆路径跟踪控制技术研究

以车辆三自由度动力学模型为研究对象,对自动驾驶车辆模型预测控制算法进行研究。结合魔术轮胎模型线性区域和小角度假设理论对车辆动力学模型进行简化处理,设计基于模型预测控制算法的路径跟踪控制器。使用MATLAB/CarSim联合仿真平台,选用多组工况进行仿真试验。设定车辆的速度分别为低速、中速、高速3种状态,并且使用线性二次型最优控制器进行换道工况路径跟踪,与模型预测控制器进行控制效果对比与分析,结果表明,模型预测控制算法路径跟踪控制效果更加优秀。