基于神经网络PID的疏浚管道泥浆流速控制

疏浚作业中,泥浆管道内物料的组成、粒径、浓度等随水下地形土质等变化很大,易造成流速波动甚至堵管、爆管等故障,因此泥浆流速稳定控制对泥浆输送的效率和安全具有重要意义;疏浚管道输送系统具有非线性、大时滞和参数时变等特征,传统PID控制方法效果不佳,故此将BP神经网络和传统PID控制算法相结合,并将其应用于泥浆流速控制中;以河海大学管道输送实验平台为对象,采用受控自回归CAR模型描述泥泵变频器频率与管道泥浆流速之间的关系,通过实验和数值处理对模型进行离线辨识;在此基础上通过仿真对比传统PID、单神经元PID和BP-PID的流速控制性能,发现BP-PID控制器的超调量仅为3.8%,响应时间为11 s,控制性能较好;最后通过在体积浓度-10%到-30%泥浆范围内,泥浆浓度小幅度和大幅度增减实验,对流速控制方法进行了验证,结果表明在浓度平缓或剧烈波动时,采用BP-PID控制算法的流速控制系统,均能够在保证输送安全的前提下,快速、稳定地达到目标流速,具有较好的自适应控制性能。

基于预测控制模型的一种状态空间实现

以受控自回归滑动平均模型和受控自回归积分滑动平均模型为研究对象,根据估计理论,利用参数递推方法,构造了广义预测控制的一种状态空间实现,从而避免了解Diophantine方程,大大地减少了预估算法的计算量.为控制系统的性能分析提供了便利条件 文末,对状态空间实现的可控与可观性加以了证明.

基于广义预测的矩阵变换器电流环闭环控制

针对矩阵变换器(MC)输出侧电流易受负载扰动影响,提出一种基于广义预测的MC电流环控制方案。将MC虚拟等效成输入侧为整流器和输出侧为逆变器相连,推导了输出侧电压、电流方程,建立MC的受控自回归积分滑动平均模型,通过Park变换,将输出电流分解成dq坐标下的直流分量。基于广义预测控制策略,设计输出侧电流闭环控制器,跟踪期望电流d、q轴分量,维持输出电流的空间矢量恒定,以消除内、外扰动和不平衡的影响。仿真结果表明:和传统开环控制方案相比,基于广义预测的闭环控制方案减小了MC的输出电流谐波分量,改善了输出电流波形,使MC获得良好的动态特性,对输出扰动抑制效果显著。

冷带轧机电液伺服系统广义预测控制应用研究

在冷带轧机电液伺服系统中应用广义预测控制理论直接算法,采用随机梯度估计法在线估计控制器参数模型,避免了在线求解Diophantine方程,减少了在线计算时间。该控制算法基于离散受控自回归积分滑动平均模型,吸取了自适应控制的优点,使控制系统具有较好的鲁棒性和智能性。仿真研究结果表明,该方法比目前带钢生产中广为采用的PID控制策略优越,使得系统的动态品质有了较大的改善,响应时间和控制精度都有所提高。

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。

脱硫系统参数自校正模糊PID控制器设计

脱硫系统的PH值控制存在滞后和时变性,为了更好地控制系统并保持更高脱硫率,设计了参数自校正模糊PID控制器对浆液PH值进行控制,使用归一化加速度、变论域思想和自推调节算法建立了参数自校正机构。模糊子集和输入输出变量的映射关系调节变论域的收缩,参数自校正机构对模糊PID控制器的量化因子和修正参数进行动态调整,结合受控自回归滑动平均(CARMA)模型进一步校正系统误差。仿真结果表明,设计的参数自校正机构的模糊PID控制器比常规的模糊PID控制器系统的超调量更小、响应速度更快,同时鲁棒稳定性也更好。

高空作业平台广义预测自适应控制及联合仿真

为减少工程车辆控制系统开发周期和成本,以某型54m高空作业平台电液比例调平系统为研究对象,利用ADAMS软件建立作业机构多体动力学模型;采用AMESim软件建立电液比例调平系统模型;通过MAT-LAB/Simulink设计,采用改进的广义预测自适应控制的闭环控制器;以AMESim作为主仿真环境,通过软件接口将多体动力学模型和控制系统模型集成到AMESim中进行联合仿真。仿真结果表明,闭环控制器较常规PID控制器具有良好的动态特性,对模型失配和负载扰动表现出更强的适应性和鲁棒性,同时也证明了联合仿真的有效性。

广义预测自适应控制的双重控制算法

提出了一种基于双重控制思想的广义预测自适应控制算法,该算法在模型辨识和控制的过程中,采用谨慎控制和探测控制相结合的双重控制,充分考虑估计参数的误差,在使系统状态最优地沿预定轨线运动的同时最大限度的积累被估计参数的信息,以便最快地降低系统的不确定性。仿真结果表明,该控制算法比普通的广义预测自适应控制具有更好的控制品质。

常态下风电场并网惯量削弱量估计方法

大规模风电场并网会导致电网惯量削弱、系统频率特性变差。为推行虚拟惯量控制技术并判定虚拟惯量支撑强度,提出一种常态下风电场并网惯量削弱量估计方法。首先以网络节点为基本对象,提取节点有功/频率随机扰动信息;进而建立受控自回归模型、利用遗忘因子多新息最小二乘算法对节点惯量进行辨识,得到全网等效惯量;再经过数学推导求解风电场并网惯量削弱量。最后通过Matlab/Simulink算例系统验证所提理论和方法的有效性。

改进GPC算法在永磁同步电机控制系统中的应用

为了使永磁同步电动机(PMSM)矢量控制系统适用于更高要求的场合,在给出PMSM在d-q旋转坐标系中的模型表达式和传动系统机械运动方程的基础上,推导出了系统的基于受控自回归积分滑动平均(CARIMA)模型。基于此模型和金元郁等提出的改进广义预测控制算法(JGPC)设计出了适用于PMSM驱动系统的速度环的改进广义预测控制器。仿真实验表明,JGPC控制器可以很好的跟踪给定速度曲线,辨识出的参数跟实际电机的相关参数一致,且动态及稳态性能良好。

基于CARMA模型的动力电池荷电状态估计

为完善电动汽车电池管理系统的主要功能,实现对电池准确建模及荷电状态(state of charge,SOC)的准确估计,文章基于二阶RC等效电路建立了一种受控自回归滑动平均模型(controlled auto-regressive moving average,CARMA),推导得到电池开路电压(open circuit voltage,OCV)的最优估计,并结合分段建立的电池OCVSOC模型实现电池SOC估计,从而实现了电池模型参数在线实时辨识以及SOC实时估计,解决了因初值设定不合理而影响SOC估计准确度的问题。仿真结果表明:在美国联邦城市运行工况下,SOC估计误差的绝对值不超过2.39%,实现了较为准确的SOC估计。

考虑厂用旋转负荷贡献的发电厂惯量修正估计

在传统的电网惯量和频率稳定评估中,忽略了发电厂内部异步电动机负荷的惯量贡献,可能导致评估结果产生偏差。基于此,研究了常态下、考虑旋转负荷贡献的发电厂惯量修正估计方法。将发电厂及内部电动机负荷等效为一个整体,利用出口母线的有功/频率常态化小扰动数据估计发电厂等效惯量。针对发电厂等效惯量为时变参数的特点,提出应用受控自回归模型和基于可变遗忘因子的递推最小二乘辨识算法估计惯量参数。算例验证结果表明:所提出的辨识模型精度较高,能适应小扰动输入/输出数据的参数辨识。考虑电动机旋转负荷的惯量贡献时,发电厂等效惯量和系统等效惯量均存在差异,并具有时变特性,获得的修正惯量能更客观地评估发电厂惯量和系统惯量。

风电场等效虚拟惯量快速估计方法

普及推广风电虚拟惯性控制技术,是保障含高比例风电电力系统频率稳定运行的重要需求,但当前缺乏精确估计风电场等效虚拟惯量的理论方法,不能定量评估风电场对电网的惯量贡献。鉴于此,针对风电场等效虚拟惯量的快速时变特征,提出应用受控自回归辨识模型和基于时变遗忘因子的递推最小二乘辨识求解算法,估计出风电场等效虚拟惯量。所提辨识模型和算法具有快速跟踪能力和良好收敛性,能精确估计风电场快速时变的等效虚拟惯量。在辨识求解中,只需量测风电场公共耦合点(point of common coupling,PCC)的有功功率和频率扰动信息,数据易于获取、实用性强,可良好推广应用。最后通过算例系统验证了辨识模型与方法的有效性和精确性。

基于LabVIEW的造气炉温度辨识系统的研究

通过对造气炉的结构特点和反应机理分析,以及对测温干扰的估计,采用带受控项自回归滑动平均模型(CARMA)来表征其温度特性较为理想,但这种算法复杂,较难实现。基于任何CARMA模型都可以用高阶带受控项的自回归模型(CAR)逼近到任何精度,实现起来却又相对简单的特点,以LabVIEW为平台来完成对气化层温度的任意高阶CAR建模,能够很好的解决气化层温度难以直接测量的问题。