期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
不对称故障下低电压穿越的多目标解耦控制策略
1
作者 刘沁怡 钟启迪 +3 位作者 王诗雯 卢亚军 孙金平 刘飞 《电力工程技术》 北大核心 2024年第1期108-116,共9页
在传统不对称故障低电压穿越控制中,由于控制自由度有限,并网逆变器控制存在无法同时实现输出电流负序分量和直流侧电压二倍频波动抑制的问题。对此,文中提出一种不对称故障下两级式光伏并网系统低电压穿越的多目标解耦控制策略。该策... 在传统不对称故障低电压穿越控制中,由于控制自由度有限,并网逆变器控制存在无法同时实现输出电流负序分量和直流侧电压二倍频波动抑制的问题。对此,文中提出一种不对称故障下两级式光伏并网系统低电压穿越的多目标解耦控制策略。该策略将逆变器的控制目标设置为输出电流负序分量抑制,给出了综合考虑逆变器输出电流限幅和无功输出需求的逆变器电流内环控制参考值计算方法;通过双向Buck-Boost变换器将超级电容接入直流母线电容两端维持其电压稳定,并将直流侧电压二倍频波动转移至超级电容输入侧进行抑制。仿真结果表明,相比传统控制方法,所提控制策略有效降低了逆变器三相间的不平衡度,改善了输出电流畸变,减小了直流侧电压二倍频波动。 展开更多
关键词 两级式光伏并网系统 不对称故障 低电压穿越 超级电容 二倍频波动 多目标解耦控制
下载PDF
两挡纯电动汽车多目标参数解耦优化方法 被引量:2
2
作者 黄康 刘泽链 +3 位作者 邱明明 张怡然 王强 汝艳 《中国机械工程》 EI CAS CSCD 北大核心 2020年第6期746-755,共10页
提出了一种采用分层方法的解耦优化算法。外层采用多目标粒子群算法对整车动力部件参数进行优化,同时引入对电池以及逆变器的效率优化,将得到的不同优化结果实时提取并传递给内层;内层采用Bellman动态规划算法,根据外层优化得到的动力... 提出了一种采用分层方法的解耦优化算法。外层采用多目标粒子群算法对整车动力部件参数进行优化,同时引入对电池以及逆变器的效率优化,将得到的不同优化结果实时提取并传递给内层;内层采用Bellman动态规划算法,根据外层优化得到的动力部件参数求解,建立优化后的换挡策略。在此基础上,通过广义回归神经网络提取动态规划的换挡优化结果,利用所得到的换挡策略建立了自适应驾驶员模型和整车正向仿真模型,以动力性和经济性为目标,通过整车正向仿真分析对分层优化结果进行进一步选择。研究结果表明,该优化算法实现了换挡控制策略与动力部件参数的解耦,有效提高了优化效率,同时能够获得全局优化结果,明显提高了整车经济性。 展开更多
关键词 纯电动汽车 多目标解耦优化 广义回归神经网络 自适应驾驶员
下载PDF
基于深度强化学习的车辆多目标协同巡航决策控制系统设计 被引量:3
3
作者 宋倩 罗富贵 蓝俊欢 《计算机测量与控制》 2023年第10期115-121,共7页
为提升车辆巡航避障能力,实现对运动目标的精准决策,设计基于深度强化学习的车辆多目标协同巡航决策控制系统;利用主控制电路输出的电量信号,调节ACC控制器、MPC轨迹跟踪器、双闭环控制器的实时连接状态,再借助多目标解耦模块,确定目标... 为提升车辆巡航避障能力,实现对运动目标的精准决策,设计基于深度强化学习的车辆多目标协同巡航决策控制系统;利用主控制电路输出的电量信号,调节ACC控制器、MPC轨迹跟踪器、双闭环控制器的实时连接状态,再借助多目标解耦模块,确定目标车辆所处巡航位置,完成巡航决策控制系统的主要应用结构设计;建立深度强化学习模型,根据车辆目标数据集定义条件,求解协同参数实际取值范围,实现对车辆巡航位姿的估计;确定坐标转换原则,通过分析多目标量化结果的方式,实现对巡航决策轨迹的按需规划,再联合相关应用设备,完成基于深度强化学习的车辆多目标协同巡航决策控制系统的设计;实验结果表明,深度强化学习机制作用下,车辆在横、纵及全方位巡航方向上的避障准确度都达到了100%,符合车辆多目标协同巡航决策的实际需求。 展开更多
关键词 深度强化学习 车辆多目标 协同巡航 决策控制 轨迹跟踪器 多目标解耦 协同参数 量化分析
下载PDF
ESO-based decoupling control with multi-objective optimization for boiler-turbine unit 被引量:3
4
作者 Zhu Jianzhong Wu Xiao Shen Jiong 《Journal of Southeast University(English Edition)》 EI CAS 2019年第1期64-71,共8页
A model-assistant extended state observer(MESO)-based decoupling control strategy is proposed for boiler-turbine units in the presence of unknown external disturbance and model-plant mismatch. For ease of implementati... A model-assistant extended state observer(MESO)-based decoupling control strategy is proposed for boiler-turbine units in the presence of unknown external disturbance and model-plant mismatch. For ease of implementation, the decoupling compensator is reduced to the proportion integration(PI) decoupler with the frequency domain analysis, where the decoupling error in collusion of uncertainties and disturbances can be estimated by the proposed MESO and then compensated. To decrease the sensitivity of the dynamic error for the decoupling control and fulfill various requirements of constraints, such as safety operation, energy conservation, emission reduction, etc., the plant is transmitted through a scheduled steady state region which is achieved from the optimized reference governor in advance. Simulation results show that the proposed control strategy can well suppress various disturbances including a decoupling error, and multi-objective optimization can meet multiple requirements with the premise of safety production. 展开更多
关键词 boiler-turbine unit extended state observer(ESO) decoupling control multi-objective optimization
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部