基于多维泰勒网的欠驱动AUV双闭环姿态反步控制方法

该文针对欠驱动水下机器人(AUV)在水下动态对接时同速跟踪的姿态控制问题展开研究,设计了一种基于多维泰勒网的欠驱动AUV双闭环姿态反步控制方法。基于多维泰勒网的跟踪函数,设计内环多维泰勒网控制律,调整欠驱动AUV姿态角的变化速度,保证对接的精度。利用反步法设计外环反步控制器,调整欠驱动AUV的姿势角,使其航向实时跟踪动态变化的回收船位置,以提升复杂水文环境下对接的成功率。仿真结果表明,该文设计的方法能够实现欠驱动AUV姿态角与调整速度的精确控制,在外部水流扰动环境下具有较好的动静态跟踪能力,具有较高的一次对接成功率。

MMC-RPC的多维泰勒网优化控制策略

为进一步解决铁路牵引供电系统中无功功率、负序电流和谐波失真率高等对电能质量的影响,将多维泰勒网(Multi-dimensional Taylor Network,MTN)优化控制应用于与模块化多电平换流器结合的铁路功率调节器(Railway Power Conditioner with Modular Multilevel Converter,MMC-RPC)。相比传统双闭环PI控制器,多维泰勒网控制器的优点在于抗扰动能力更强、鲁棒性更好和谐波失真率更低等。针对参数整定问题,将dq轴电流参考值与实际值之间误差平方的积分作为输出性能指标,并运用粒子群算法对MTN当中的参数进行优化。在MATLAB/Simulink软件中分别搭建了MMC-RPC采用MTN控制器和PI控制器的仿真模型,对电气化铁路中常见的一侧供电臂有机车负载和负载突变2种常见工况进行对比,验证了MTN控制器在MMC-RPC中的可行性和优越性。