基于改进粒子群算法的自适应构网型变流器控制策略

构网型控制是一种改善新能源高渗透率下电力系统稳定性问题的技术手段。针对传统构网型变流器均采用固定参数控制而未能发挥出最佳调频效果这一问题,基于构网型变流器控制参数可调的特点,提出一种自适应控制策略,以优化构网型变流器的输出并改善电力系统的动态特性。首先,通过仿真实验得到典型构网型变流器虚拟惯量和阻尼系数在大功率事件下对系统动态特性的影响;其次,研究典型构网型变流器的频率曲线与功角曲线,提出包含频率偏差和频率变化率的自适应构网型变流器控制策略;然后,通过改进粒子群算法对自适应控制策略涉及参数进行整定;最后,基于MATLAB/Simulink搭建的微电网模型,验证所提控制策略的稳定性与鲁棒性。仿真结果表明,所提控制策略可以自适应改变控制参数,使构网型变流器的输出能够满足系统各个阶段的不同需求,优化电力系统的动态特性。

锂离子电池模型参数辨识的改进自适应FFRLS算法研究

为了提高锂离子电池模型参数辨识的准确性和鲁棒性。以递归最小二乘法(FFRLS)为基础,采用了一种经过改进的自适应FFRLS算法,通过分数阶阶乘设计实现了对模型参数的逐步辨识。这种算法的特点在于其自适应性,能够更好地适应电池系统的非线性和复杂性。通过在不同工况下对锂离子电池模型进行参数辨识和研究得到了大量的实验数据。结果显示,相较于传统方法,改进的自适应FFRLS算法在处理电池系统的复杂性和非线性特性方面取得了显著的改进。通过优化算法,为电池管理系统提供了更为精确的模型。这对于改善对电池性能的监控和控制具有重要意义,有助于提高电池的使用寿命和安全性。

基于IMFAC的无人艇抗干扰航向自适应控制

针对无人艇在航向控制中易受风浪流等环境干扰,导致控制效果下降的问题,提出一种结合细菌觅食算法的改进无模型自适应控制算法;文章首先分析了偏格式动态线性化方法在无人艇航向控制中的应用问题,并设计了虚拟输出项以满足无模型自适应控制假设条件,建立了基于偏格式动态线性化方法的无模型自适应航向控制器;针对无模型自适应控制算法参数初始值选取范围问题,设计了改进细菌觅食算法对参数初始值进行预整定,保证了算法的快速收敛;最后通过半物理仿真试验验证了所设计算法的有效性;试验表明,在模拟的3级海况干扰下,无人艇在30°阶跃航向控制和±30°方形航向控制中,相较于传统算法出现的较大稳态误差,使用无模型自适应控制算法能在经过10 s左右调整后,将误差稳定趋近于零,实现无人艇的航向自适应控制。

基于改进无模型自适应控制算法的发电机广域阻尼控制器设计

针对固定参数的发电机广域阻尼控制器(wide area power system stabilizer,WAPSS)不能适应电网结构和运行方式变化的问题,提出一种基于无模型自适应控制算法(model free adaptive control,MFAC)的WAPSS设计方法以实现控制器的在线自适应调整。通过分析现有MFAC控制策略,改进MFAC控制算法以适用于电力系统的WAPSS,并保证了被控系统的稳定性;结合固定参数的WAPSS设计,给出改进的MFAC-WAPSS参数设置方法。在四机两区系统和8机36节点系统测试该MFAC-WAPSS的控制效果。仿真结果表明:该MFAC-WAPSS能适应系统变化,有效抑制故障后区域间低频振荡。

改进的容量约束设施区划模型的算法及应用

针对经典的容量约束设施区位模型(CFLP)缺少考虑公平、效率与服务质量三方面的因素,以及平衡三者关系的问题,文章提出了引入覆盖半径ϕ、最低覆盖率μ、设施建设成本CAP对模型进行改进,算法的求解实质是求解线性规划问题的最优解。根据以上方法进行案例区的计算验证,实验结果表明,与传统模型算法相比,改进的CFLP模型通过灵活选择设施的服务半径和覆盖率参数求解计算,能较好地兼顾服务成本、服务质量和空间公平性三者之间的关系,并可于5s内得出最优解,相比传统算法150s的平均计算时间,有显著的提升,对城市公共服务设施的布局优化具有较高的实用价值。

离散时间系统多模型自适应控制的改进算法

基于最小预测误差控制器设计方法,设计离散时间系统多模型自适应控制器,并引入“局部化”方法。在保证计算精度的同时,大大地提高计算速度。同时证明,对于已知有界参考输入,多模型自适应控制可以保证闭环系统输入输出稳定,输出渐进跟踪设定值。

改进平衡优化器的超声电机无模型自适应控制

为了提高超声电机的控制性能,将基于数据驱动的无模型自适应控制(Model Free Adaptive Control,MFAC)方法应用到超声电机的速度控制中,并针对MFAC存在参数调整困难的问题,提出一种改进的平衡优化器(Improved Equilibrium Optimizer, IEO)算法用于MFAC参数寻优。首先,利用自适应生成概率策略来平衡算法的探索与开发能力;其次,引入折射反向学习策略来扩大解的搜索范围,提高算法的收敛速度,同时采用柯西变异策略来提高算法跳出局部最优的能力;最后,提出一种改进的时间乘以绝对误差积分(Improved Integral Time Absolute Error, IITAE)指标函数用于MFAC的参数寻优。仿真和实验结果表明,与基于原始平衡优化器算法的MFAC相比,基于改进平衡优化器算法的MFAC的稳态误差和调整时间明显减小,系统的控制性能得到显著提高。

基于改进粒子群寻优的数据中心精密空调无模型自适应预测控制

为实现数据中心热通道温度的精确控制,减少由于温度控制方式粗放造成的能源浪费,提出一种基于改进粒子群寻优(improved particle swarm optimization, IPSO)算法的数据中心精密空调无模型自适应预测控制(model free adaptive predictive control, MFAPC)方法.首先,考虑到MFAPC控制器参数空间大以及数据中心被控系统的动态复杂性,对粒子群寻优(particle swarm optimization, PSO)算法的惯性权值进行变权改进,从而提高PSO算法的前期探索和后期挖掘能力,最终获得最优控制器参数.然后,由于数据中心存在冷通道温度和风量的限制,因此将控制量约束问题转化为二次规划约束问题,并利用IPSO算法实现MFAPC控制器的每一控制步参数最优化,使得MFAPC输出的每一步控制量都是当前系统状态下的最优控制量.最后,基于北京市某数据中心现场数据,通过控制数据中心机房热通道温度预测模型对所提方法进行验证.带控制量约束IPSO-MFAPC方法在总体控制误差、超调量、快速性上都极大地优于MFAPC控制器.结果表明该文所提IPSO-MFAPC方法能够实现数据中心的热通道温度精确控制.

船舶自抗扰无模型自适应航迹控制

[目的]旨在研究船舶在真实海况下航行面临复杂环境干扰的影响,控制船舶克服干扰,实现航迹跟随、智能航行。[方法]首先,将无模型自适应控制(MFAC)算法引入自抗扰控制器(ADRC)中,设计改进自抗扰无模型自适应控制(ADRC-MFAC)算法,通过ADRC跟踪系统的实时状态、识别系统所受未知扰动,根据MFAC建立输入数据(舵角)与输出数据(航向角、角速度)之间的非线性关系,实现稳定的航向控制。然后,结合自适应视线(LOS)制导策略,通过动态航向控制实现对航迹的精准控制。[结果]仿真结果表明,所设计的控制器能够控制船舶快速航行至预设轨迹并沿轨迹行进,在复杂环境扰动下仍能够实现理想的航迹控制。[结论]研究成果不依赖船舶具体模型,可为船舶航迹控制提供参考。

基于改进灰狼算法的宏微复合驱动器磁滞模型的参数辨识

精确辨识磁滞模型参数是保证宏微复合驱动器位移跟踪精度的关键,针对传统灰狼算法(GWO)存在局部最小值和求解精度不高的缺陷,文章提出一种改进的灰狼算法(TGWO)。通过Singer混沌映射优化了灰狼个体的初始位置,以增加种群多样性;采用非线性收敛因子策略提高了局部开发度和全局搜索度;在种群位置迭代更新中引入动态权重更新和自适应更新策略。通过仿真和实验表明:该算法能有效可靠地辨识宏微复合驱动器磁滞模型的参数,平均相对误差为4.6%,拥有更高的精度和收敛性。

一种大时滞系统的无模型自适应控制改进算法

利用无模型自适应控制(Model-free adaptive control,MFAC)方法仅需要被控对象输入和输出数据,而不需要其他任何信息的优点。针对工业生产过程中普遍存在的大时间滞后的特点,提出针对未知模型的大时滞对象的无模型自适应控制改进算法(Improved MFAC on Large Time-delay System,LTDS-IMFAC)。在改进算法中,在基本无模型自适应控制算法的基础上引入了带有滞后时间的输入变化率的约束项,以此来减小大时间滞后对整个控制过程的影响。通过MATLAB仿真试验证明了改进算法对于大时滞系统的控制具有较好的有效性。

车辆轨迹模型预测控制器的算法研究

为提高无人驾驶汽车行驶控制中的跟踪精度和车辆稳定性,提出了一个改进的模型预测控制器(MPC)。首先,为解决高速转弯工况下轮胎侧偏刚度的强非线性特性导致的车辆失稳问题,建立了轮胎动态侧偏刚度估计器进行实时估计;在此基础上,利用改进粒子群算法对现有模型预测控制器的时域参数进行优化,以提高算法跟踪精度和稳定性;最后,为验证控制器的效果,选取合适的工况进行了联合仿真测试。结果表明,改进控制器在高速转弯的工况下,跟踪精度误差降为4.9%,横摆角误差降为2.6%,比传统模型预测控制器分别提高了67.8%和62.3%,比模糊控制算法优化的控制器分别提高了55.8%和58%。

基于改进粒子群算法的分散式电采暖负荷模型参数辨识

分散式电采暖负荷是一种具有巨大调节潜力的需求响应资源,但是,用户行为差异、太阳辐照度等随机因素为建立精确的分散式电采暖负荷模型增加了一定难度。首先,结合具体应用场景,搭建基于气候模拟平台的分散式电采暖负荷实验平台,采集负荷建模实验数据。然后,针对分散式电采暖负荷二阶等效热参数模型方程较为复杂的问题,以仿真温度与实测温度之间的误差最小为目标,提出基于改进粒子群算法的模型参数辨识方法,建立分散式电采暖负荷模型。最后,通过改变数据采样周期,对负荷模型进行优化。结果表明,所提参数辨识及建模优化方法可以有效地提高分散式电采暖负荷二阶等效热参数模型精度。

基于改进孤立森林算法的交通流异常数据检测模型

针对交通流异常数据实时检测问题,提出一种基于改进孤立森林算法与K-Means++算法相结合的交通流异常数据检测模型。首先,使用交通流量和交通流速度数据构建交通流序列;然后,利用改进孤立森林算法,构建交通流数据的异常评分模型,并通过K-Means++算法构建滑动窗口计算出异常评分的阈值,以此来实现对交通流数据异常值的实时检测;最后,通过实例分析验证模型的合理性和可行性。研究结果表明:改进孤立森林算法与K-Means++结合的方法可以准确地确定异常评分的阈值进而检测出异常数据;该模型与仅考虑交通流流量的模型、传统孤立森林模型相比,AUC分别高出29.7%和5.3%,与其他常用的LOF、ABOD、OCSVM方法相比,AUC均有所提高。该模型准确率明显提升,在交通流异常数据检测中具有更好的适用性,能够为交通管理部门提供交通状况检测支持,提高交通管理效率。

利用改进藤壶交配算法反演重力倾斜断层模型参数

针对重力勘探中倾斜断层模型密度参数与几何参数的获取,提出了改进藤壶交配算法。传统藤壶交配算法的寻优过程与定量模拟藤壶特殊交配繁殖特征密不可分,但其受制于关键参数(生殖器长度p l)的选取、种群进化方式多样性以及当藤壶位置超出搜索解空间时处理方式的影响。故提出一种结合变生殖器长度pl(va)r,新型藤壶子代更新和越界校正策略的改进藤壶交配算法。通过理论无噪声重力异常研究了藤壶生殖器长度p l对于传统藤壶交配算法的影响,验证了采用pl(va)r策略的有效性以及改进藤壶交配算法的优越性。进一步利用合成无噪声重力异常、含不同噪声比例(10%和30%)重力异常和埃及Gazelle断层实际数据反演对比了藤壶交配算法、改进藤壶交配算法和粒子群算法获取相关参数的可行性、准确性、稳定性和实用性。处理结果表明,改进藤壶交配算法相较于藤壶交配算法和粒子群算法而言具有更小的拟合误差、更准确的模型参数以及更高的稳定性,具有推广至解决其它地球物理反演问题的潜力。

基于改进无迹卡尔曼滤波器算法的滞回模型参数识别研究

地震产生的周期荷载作用下,钢混桥墩结构表现出滞回行为。为描述滞回行为,研究者提出各类滞回模型,其中BWBN(Bouc-Wen-Baber-Noori)模型可以描述结构滞回行为的强度退化、刚度退化和捏拢效应等典型特征。此外,无迹卡尔曼滤波器UKF(unscented Kalman filter)算法是识别BWBN模型参数的高效方法,但当参数初始值与真实值的偏差过大及缺乏对系统的整体估计时,UKF算法识别过程受到局限。本文改进生成样本点规则,提出改进UKF算法。数值模拟结果表明,在无噪声条件下,改进UKF算法识别得到的参数估计值与准确值的误差平均为1.51%,最大误差为4%;在2%均方根RMS(root mean square)高斯白噪声条件下,误差平均为5.43%,最大误差为18%;在5%RMS高斯白噪声条件下,误差平均为8.9%,最大误差为26%和22%。改进UKF算法识别非线性滞回系统状态估计和BWBN模型参数更加准确和稳定。

无模型自适应控制改进算法的性能仿真分析

在基于紧格式线性化方法的无模型自适应控制算法(Model-free Adaptive Control Based on Tight Format Linearization,TFL-MFAC)的基础上,针对大时间滞后的特点,提出针对大时滞对象的MFAC改进算法(Improved MFAC on Large Time-delay System,LTDS-MFAC)。构造了大时滞对象并通过MATLAB仿真实验对改进MFAC算法的鲁棒性、抗干扰能力和跟踪能力进行分析。仿真实验表明了改进MFAC算法对大时滞系统控制具有更好的控制性能。

无模型自适应控制算法的改进及其在锅炉系统中的运用

针对工业过程控制中存在的大时滞问题,提出一种无模型自适应控制改进算法(Improved Model-Free Adaptive Control,IMFAC),其优点是不需要对象的具体模型,仅仅根据系统的输入和输出即可对系统进行控制。在改进算法中通过引入带滞后时间输出的变化率的约束项,从而来减小大时滞对系统的影响。同时通过MATLAB与SMPT-1000仿真验证改进算法对大时滞系统在系统响应速度与系统稳定性方面有很好的控制效果。

改进的自适应模型算法控制在过热汽温控制中的应用

针对锅炉过热汽温对象具有大惯性、大迟延、时变性等特点,提出一种基于最小均方算法的自适应模型算法控制-比例串级预测控制系统.通过最小均方自适应滤波器在线实时辨识被控对象的预测模型参数,再结合改进的自适应模型算法控制在线修正控制器参数.仿真结果表明:该控制策略实施简单、超调小,控制效果明显优于PID-P串级控制;且在降负荷实验中能有效适应对象参数时变,保证调节性能较好.

神经网络模型参考自适应控制算法研究

分析了基于BP算法的神经网络模型参考自适应控制器对大惯性环节被控对象的控制效果 ,发现该算法使控制器存在严重的“过学习”现象 .为避免这一现象 ,设计了一种新的误差函数结构 ,得到改进的BP算法 .针对一个存在大惯性环节的线性时变系统 。