基于改进模型参考自适应的永磁轮毂电机无位置传感器控制

为了提高分布式驱动电动汽车用永磁轮毂电机在变负载、宽转速范围内无位置传感器控制算法的可靠性,本文提出了一种基于改进模型参考自适应(IMRAS)的永磁轮毂电机无位置传感器控制方法。在传统模型参考自适应(MRAS)算法中固定增益自适应律设计基础上,结合自抗扰控制算法(ADRC)中的非线性变增益模块设计方法,利用fal函数构建了具有变增益非线性特性的自适应律,实现了对轮毂电机转子位置与转速的准确估算,并对所提出的控制方法进行了仿真及台架测试。结果表明:改进后的无位置传感器控制方法具有较强的鲁棒性和抗干扰特性,尤其在宽转速范围、负载突变等工况下具有较好的自适应能力。

改进参考模型的涡扇发动机多变量模型参考自适应控制

针对涡扇发动机难以获得精确数学模型和普通模型参考自适应控制不保证动态性能的问题,提出了一种具有改进参考模型的涡扇发动机多变量模型参考自适应控制方法。采用状态反馈形式设计了状态跟踪的多变量自适应控制器,其中对参考模型作了引入跟踪误差反馈的改进,使得高自适应增益下跟踪曲线的超调得到明显的抑制,动态响应得到改善。应用该方法对涡扇发动机非线性部件级模型进行仿真分析,结果表明,控制系统调节时间小于2s,无稳态误差,具有良好的控制品质。

基于改进的模型参考自适应的飞行控制律设计

本研究改进了模型参考自适应控制,克服了传统模型参考自适应控制因初始状态变化导致的性能降级问题,因而提高传统模型参考自适应控制的适用性。首先,对被控对象的非线性数学模型进行了描述,并提出了合理的假设;随后,在假设的支持下,对模型参考自适应控制方法进行改进,并分析了改进后该方法的稳定性;最后,基于改进后的模型参考自适应方法设计了飞行控制律,并且通过数字仿真验证了该控制律在参数拉偏干扰下的控制性能和鲁棒性。仿真结果表明,改进后的模型参考自适应控制的动态和稳态性能在初始状态变化下,较传统模型参考自适应控制有明显提高,并且能够达到期望的鲁棒性。

基于模型参考自适应的四旋翼飞行器控制

针对复杂工作环境下四旋翼飞行器参数改变时的控制方法适应性问题,提出了一种基于模型参考自适应控制设计方法;在线性化的四旋翼飞行器模型的基础上,设计了基于线性二次型的姿态控制器以及基于传递函数的高度控制器,然后设计了自适应补偿器消除飞行器载荷改变或其它原因导致的参数不确定的影响;对加入了模型参考自适应的四旋翼飞行器进行仿真,仿真结果验证了该控制方法的有效性,说明了在复杂环境下质量与转动惯量变化时,基于该方法的四旋翼飞行器能够实现良好的控制性能。

模型参考自适应-Smith预估控制在发酵温度控制中的应用研究

针对存在严重积分纯滞后的生物发酵系统,利用Smith预估器对纯时间延迟具有补偿作用的原理,在对Smith预估器进行改进的基础上,建立了模型参考自适应串级Smith预估器温度控制模型,推导了自适应Smith预估器调节律和设计算法.仿真结果表明,改进Smith预估控制不但降低了纯时间延迟特性对控制性能产生的不利影响,也提高了系统的鲁棒性.模型参考自适应串级Smith预估控制,通过模型输出与被控对象的输出之差来在线调整控制器参数,加快了响应速度,降低了超调,使被控对象更能够适应对象特性或扰动变化多变的特点.

混合的直接型模型参考自适应控制(英文)

本文研究了具有混合自适应律的直接型模型参考自适应控制 .对这种混合的MRAC方案 ,我们严格地证明了闭环系统的所有信号都有界 ,同时得到了跟踪误差满足e1 ∈S(μ2 (Δ2 +Δ2 ∞) +d20 +1/a20 ) .同文献 [1]的控制方案相比 ,这种具有混合自适应律的直接型模型参考自适应控制具有如下优点 :1)实现过程中计算量大大减小 ;2 )具有更好的鲁棒性 .

一种新型模型参考自适应滑模速度辨识方法

提出了一种新型的模型参考自适应滑模速度辨识方法,用于异步电动机转速的精确辨识。该方法的结构主要包括参考模型、可调模型和滑模控制器3部分,首先利用参考模型和可调模型分别计算电机的转子磁链,然后将两者误差送入滑模控制器中计算电动机的转速。其中,参考模型采用了一种结构简单的改进电压磁链模型,有效解决了传统电压模型固有的直流偏置误差和初始值积分误差问题,实现磁链的准确观测,从而提高了速度辨识的精度。仿真结果证明该速度辨识方法具有响应速度快、稳态精度高和鲁棒性强的优点。

相对阶n^＊=3系统的鲁棒直接型模型参考自适应控制

针对相对阶n*=3的具有输入和输出未建模动态的一类系统,设计了可以实现的具有未规范化自适应律的鲁棒直接型模型参考自适应控制器,构造了满足引理1性质的自适应律.通过利用Lyapunov稳定性理论及鲁棒自适应控制分析理论,构造误差系统,严格地分析了闭环系统的稳定性和跟踪性能.

基于改进型BP神经网络的模型参考自适应控制系统

在常规BP神经网络模型参考自适应控制器基础上采用改进型BP神经网络作为辨识器和控制器,组成新的模型参考神经网络自适应控制系统,利用改进型BP神经网络的优点弥补传统自适应方法的不足,使系统具有更强的鲁棒性,收敛更快,逼近精度更高的优点。仿真结果表明,该系统比传统BP神经网络模型参考自适应系统具有更好的稳定性和更快的响应速度。

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。

间接型的混杂模型参考自适应控制

针对相对阶为1的理想系统,本文考虑了具有混杂自适应律的间接型模型参考自适应控制问题.通过建立系统和控制器的离散参数估计和它们的插值四者之间关系的性质,严格地分析了闭环系统的稳定性,证明了闭环系统中所有的信号都一致有界,并且跟踪误差渐进收敛于零.

自适应图像复原模型梯度阈值选取研究

自适应图像复原模型,能满足中高噪声强度下进行图像复原的要求,但在选取图像梯度阈值时,通过交互迭代,运算量大,耗费时间长。本文基于对图像边缘灰度突变特性的考虑,通过引入图像梯度幅值直方图的方法,利用像素点梯度模值来区分边缘区和平滑区,开辟了在图像复原中选取梯度阈值参数的新途径,取得了很好的降噪复原效果,而且,选取梯度阈值的过程,耗时少,运算简单,选取过程直观快捷。

改进电压模型的异步电机无速度传感器矢量控制

无速度传感器矢量控制技术能够有效提高交流传动系统的可靠性,降低系统成本。该技术的核心问题是准确获取电机转子转速,并将其反馈到速度闭环控制环节。介绍一种采用改进模型参考自适应转速估计方法的异步电机矢量控制系统,克服了一般电压模型低速观测不准确的缺点。另外,为了消除外界干扰的影响,对模型做了抗噪声处理。利用PSCAD进行系统仿真,仿真结果表明该方法具有较好的低速控制效果和较强的鲁棒性。

基于频率自适应改进型梳状滤波器的并网锁相环技术

将梳状滤波器应用于并网锁相环技术中。针对梳状滤波器锁相环(CF-PLL)动态响应慢的缺点,引入校正环节,得到改进型梳状滤波器锁相环(ICF-PLL)。基于ICF-PLL的s域模型,提出了ICF-PLL调节器参数的整定方法。为提高ICF-PLL对电网频率变化的抗扰动能力,提出一种基于频率自适应改进型梳状滤波器的锁相环(FAICF-PLL)和其数字实现方案。仿真和实验结果表明,FAICF-PLL在电网电压发生频率脉动、相角变化、畸变谐波和不平衡跌落时均能准确地跟踪电网电压相位,具有良好的稳态和动态性能。

基于改进型MRAS微型电动汽车转速算法研究

由于传统微型电动汽车电机进行矢量控制中存在速度传感器价格昂贵,且测量精度易受环境影响等问题,基于模型参考自适应(MRAS)的无速度传感器电机控制系统成为研究热点。针对传统MRAS的不足提出了一种基于转子磁链和转矩误差的改进型MRAS。搭建速度观测器仿真模型并开展转速获取算法研究,仿真结果表明,改进型MRAS能够有效提高电机低速和零速状态下的转速估算精度,在加速、匀速、减速等方式下调速性能良好,对参数变化、测量误差、和噪声有良好鲁棒性,是实现电动汽车驱动控制系统高效化、集成化的可靠解决方案。

2500kW同步电机中基于MRAS的电压模型改进

本文针对2500kW同步电机交一直一交变频调速系统,提出了一种基于模型参考自适应算法(MRAS)的转速辨识方法,依照MRAS方法把得到的转速自适应结构运用到系统中,替代了电机上的传感器和系统的磁链观测单元,达到了转速和磁链幅值、角度的一同辨识,并在PSIM中构建了仿真模型。结果表明,采用无速度传感器的矢量控制方法具有较好的准确性以及更好的鲁棒性。

基于改进型MRAS无轴承异步电机矢量控制系统转速辨识研究

以改进电压模型转子磁链为基础,构建了无轴承异步电机转子磁链定向无速度传感器矢量控制系统。MATLAB/Simulink仿真结果表明:与传统方法相比,所提出的改进电压模型转子磁链提高了转子磁链的观测精度;同时,基于无轴承异步电机转子磁链定向无速度传感器矢量控制系统,在空载调速和加载情况下,辨识转速和实测转速具有很好的一致性,电机能够稳定悬浮运行,充分验证了所提方案的有效性。

基于ARX模型的笼型异步电机控制策略研究

针对笼型异步电机控制系统中时变、非线性的特点,提出了以ARX模型为核心。模型参考自适应控制策略为基础的笼型异步电机的控制策略。所提出的控制策略对于电机参数变化和系统干扰具有较好的鲁棒性。通过仿真和样机试验,对所提出的控制策略进行了验证。

基于多尺度分解集成组合模型的碳价格预测研究

准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。

改进型BP神经网络MRAS控制系统

在常规BP神经网络模型参考自适应控制器基础上采用改进型BP神经网络作为辨识器和控制器,组成新的模型参考神经网络自适应控制系统,利用改进型BP神经网络的优点弥补传统自适应方法的不足,使系统具有更强的鲁棒性,收敛更快,逼近精度更高的优点。仿真结果表明,该系统比传统BP神经网络模型参考自适应系统具有更好的稳定性和更快的响应速度。