A method of Robust low-angle target height and compound reflection coefficient joint estimation

It is always a challenging issue for radar systems to estimate the height of a low-angle target in the multipath propagation environment.The highly deterministic maximum likelihood estimator has a high accuracy,but the errors of the ground reflection coefficient and the reflecting surface height have serious influence on the method.In this paper,a robust es-timation method with less computation burden is proposed based on the compound reflection coefficient multipath model for low-angle targets.The compound reflection coefficient is es-timated from the received data of the array and then a one-di-mension generalized steering vector is constructed to estimate the target height.The algorithm is robust to the reflecting sur-face height error and the ground reflection coefficient error.Fi-nally,the experiment and simulation results demonstrate the validity of the proposed method.

Design of Robust Controller for Flexible Joint Robot with Nonlinear Friction Characteristics

A robust controller method for flexible joint robot considering the effect caused by nonlinear friction was presented.The nonlinear friction was denoted as inverse additive output uncertainty relative to the nominal model in our work,based on which the describing function was analyzed in frequency domain,and the weighting function of nonlinear friction was further calculated as well. By combining the friction uncertainty,the mixed sensitivity H∞optimization was proposed as the benchmark for controller design, which also leaded to good performance of robustness. Furthermore,unstructured perturbation to the system was analyzed so that the stability was guaranteed. Simulation results show that the proposed controller can provide excellent tracking and regulation performance.

基于分布鲁棒联合机会约束的光储充电站滚动优化调控模型

随着电动汽车的普及和清洁能源装机容量的日益增加,光储充电站展现出广阔的应用前景。针对电动汽车随机接入影响下光储充电站功率难以精准调控的问题,提出基于分布鲁棒联合机会约束(DRJCC)的光储充电站滚动优化调控模型。将基于混合整数规划(MIP)的精确DRJCC模型、基于CVaR-Slim凸松弛的DRJCC模型、基于Bonferroni不等式的DRJCC模型进行对比,通过算例分析验证了所提优化调控模型的有效性。算例分析表明,所提基于CVaR-Slim凸松弛的DRJCC模型能够同时满足更多电动汽车的充电需求。

综合能源系统两阶段鲁棒优化调度及碳-绿色证书联合交易下重复收费的影响

推进碳-绿色证书联合交易机制,实现碳交易与绿色证书交易的良性互动,有利于多市场环境下综合能源系统(IES)的健康发展。在此背景下,提出了将碳-绿色证书联合交易引入IES的优化调度方法,并分析了联合交易引起的重复收费问题及其影响。在碳-绿色证书联合交易模型中引入交易权重因子,建立了碳-绿色证书联合交易下重复收益的量化方法;构建min-max-min结构的IES两阶段鲁棒优化调度模型,利用盒式不确定集合来刻画新能源出力的不确定性,通过调节不确定参数来求解IES参与不同市场的最优成本;通过仿真算例验证了所提方法在降低碳-绿色证书重复交易收益率、提高系统运行经济性以及新能源消纳率方面的作用。

一种多特征联合分布的Camshift目标跟踪算法

针对Camshift算法在纹理与颜色相似干扰、目标遮挡等复杂背景中鲁棒性不高、易出现跟踪丢失等问题,提出了一种多特征联合分布的Camshift目标跟踪算法。新的算法选择等价模式LBP纹理,色调与饱和度为多特征,图像从RGB空间的转化为ULBP-H-S空间。选取图像中运动目标作为目标模板,计算目标模板的ULBP-H联合概率分布图与H-S联合概率分布图,通过自适应系数将两个联合概率分布图按位与运算后到目标的联合概率分布图。在每次迭代搜索中,通过自适应搜索窗口算法预测下一帧的搜索窗口位置与大小,在预测的搜索窗口中使用Camshift算法对目标连续跟踪。实验结果表明,改进的算法能在纹理与颜色相似干扰与目标遮挡复杂环境中,对运动目标跟踪有较高的准确性与鲁棒性。

基于递归神经网络的机器人手臂轨迹跟踪控制

针对机器人手臂在连续变化的过程中不能及时跟随运动矩阵变化而导致的控制精度不高的问题,提出了一种基于递归神经网络的机器人手臂轨迹跟踪控制方法。首先建立了机器人手臂的动力学数学模型,并设计了机器人手臂的轨迹跟踪控制器。然后基于递归神经网络建立了轨迹跟踪线性变化参数模型,对机器人手臂运动轨迹进行实时调整,并通过求解静态反馈控制数值,实现了控制器参数的在线调整来适应外界环境的变化,从而有效改善了机器人手臂运动控制的精度。实验结果表明:所提方法具备更好的鲁棒性和较高的控制精准度,平均轨迹跟踪误差仅为0.008 m。研究结果可为机器人手臂的高精度控制提供理论支持。

计及多重不确定性的规模化电动汽车接入配电网调度方法

规模日益增长的电动汽车和可再生能源带来的不确定性给配电网的安全运营带来了严峻挑战。为综合考虑多重不确定性、平衡运营成本与系统可靠性,首先,提出一种基于分布鲁棒联合机会约束的电动汽车-配电网充放电调度模型。该模型将节点电压、支路功率、备用需求等通过联合机会约束建模,可以直观地管理系统整体的可靠性。然后,为求解该模型,基于最优Bonferroni近似方法将联合机会约束问题转化为混合整数二次规划模型,其中,风险等级也被视为决策变量。随后,在不同电力系统上验证了所提模型的有效性和可扩展性。结果表明,所提模型克服了经典的随机优化和鲁棒优化存在的问题,能够有效平衡成本和可靠性,计算效率高、可扩展性好,较Bonferroni近似方法降低约6.5%的成本。

计及可变流量调节模式的电热综合能源系统条件分布鲁棒优化调度

电-热综合能源系统(integrated electricity and heat system,IEHS)可以有效促进可再生能源消纳。构建区域供热系统精细化模型与合理的可再生能源不确定性出力模型是调度IEHS的两个难点。该文首先提出计及可变流量调节模式的IEHS条件分布鲁棒优化调度模型,主要有两点改进:通过构建基于修正模糊集的条件分布鲁棒模型建模可再生能源预测误差与其预测出力信息之间的内在依赖性,提升调度结果安全性与最优性;基于流体能量守恒方程与一阶隐式迎风格式建立可变流量调节模式下的IEHS调度模型,以期充分挖掘区域供热系统的灵活性,促进可再生能源消纳。所构建的IEHS调度模型为含有大量非线性约束的条件分布鲁棒模型,难以直接求解。对此,通过对偶理论与条件风险价值近似方法将条件分布鲁棒模型转化为含非线性约束的确定性模型,并提出自适应McCormick算法用以求解非线性约束。通过不同规模案例仿真表明,所提模型能够降低IEHS的调度成本,所提算法在保证可行性的条件下快速求出问题的近似最优解,最优间隙小于千分之一。

Joint Transceiver Designs for Full-Duplex MIMO SWIPT Systems Based on MSE Criterion

For the simultaneous wireless information and power transfer(SWIPT), the full-duplex MIMO system can achieve simultaneous transmission of information and energy more efficiently than the half-duplex. Based on the mean-square-error(MSE) criterion, the optimization problem of joint transceiver design with transmitting power constraint and energy harvesting constraint is formulated. Next, by semidefinite relaxation(SDR) and randomization method, the SDRbased scheme is proposed. In order to reduce the complexity, the closed-form scheme is presented with some simplified measures. Robust beamforming is then studied considering the practical condition. The simulation results such as MSE versus signal-noise-ratio(SNR), MSE versus the iteration number, well prove the performance of the proposed schemes for the system model.

考虑内–外生双重不确定性的风储系统联合规划方法

风电场配置储能设备提供了良好的并网特性,但传统风储联合规划中,仅考虑不受决策结果影响的外生不确定性,受决策影响的内生不确定性被忽视,无法给出兼具经济性和鲁棒性的规划方案。为此,首先从不确定优化理论的角度梳理风储联合规划的模型演化路径,给出对应优化模型的拓扑表示。引入随机过程中的鞅理论,针对不确定性的外生与内生问题进行严格数学定义加以区分,并采用散度对风储联合规划中的内生与外生不确定性进行数学建模,同时设计参考分布修正过程使内生不确定性的参考分布逼近真实分布。构建改进分布鲁棒优化模型,设计对应的求解流程。最后,以改进IEEE 30节点系统和中国蒙西某区域电网验证所提模型的有效性和通用性,分析储能配置与内生不确定性间的相互影响,为该类规划问题提供先验信息支撑。

航天伺服机构鲁棒控制与机电液联合仿真

航天伺服机构设计对于航天器的控制而言具有重要作用,其控制算法的研究与仿真模拟平台的搭建具有重要的实用价值。针对航天伺服机构的机械、电、液压等环节完成仿真建模,完成了伺服机构的整体模型建立。在ADAMS中进行了伺服机构的机械结构搭建,使用AMESim完成了液压模块的搭建,并采用H∞理论设计了鲁棒控制器,利用Matlab工具箱完成了控制器的构建。结合ADAMS、AMESim的动力学模型,联合Matlab控制器模型,实现了各部分模块的联合仿真。通过联合仿真技术完成了对实物系统更加真实的模拟,并且更直观地展现了实验结果,对于实际航天伺服机构系统的设计和搭建而言具有重要的指导意义。

柔性关节的复合动态面控制仿真研究

针对柔性关节机械臂轨迹跟踪控制中存在参数不确定性、建模误差和未知扰动等问题,为了保证柔性关节系统的控制精度,在建立其等效动力学模型的基础上,提出了一种新的复合动态面控制策略.该策略包含动态面控制技术、参数自适应算法、神经网络逼近器、鲁棒补偿器以及约束处理方案.首先,利用动态面控制技术进行控制器的设计,消除了反步法的“复杂性爆炸”问题.其次,采用参数自适应算法处理柔性关节系统动力学模型中的参数不确定性,神经网络逼近器用于在线逼近和补偿模型中的不连续摩擦、建模误差和未知扰动,鲁棒补偿器负责前两部分的残余误差,同时设计约束处理方案满足误差规定性能约束和提高控制器对神经网络近似误差和未知扰动的鲁棒性.再次,构建具有预测误差的复合学习自适应律,提高控制器对模型不确定项的补偿精度.李雅普诺夫稳定性分析表明,所提出的策略保证了闭环系统中的所有信号都是半全局一致最终有界的,跟踪误差最终以规定性能收敛到零附近的一个小邻域.最后,在Simulink环境中,基于单连杆柔性关节系统对该控制策略进行对比仿真验证,结果表明:该复合动态面控制策略能够显著提高柔性关节系统的跟踪性能并降低其超调量和稳定时间,验证了该复合动态面控制策略的有效性和优越性.

基于图像差分及邻域特性的航空磁环缺陷检测

航空设备的零部件高达数十万,零器件的可靠性是保障安全飞行的前提条件。在航空零器件生产线的终端环节实现实时性高精度的检测是航空制造业实现品质控制的核心环节。传统的人工检测方法早已无法适应自动化生产流水线的速度,且该方法存在检测精度低、劳动强度大等缺点。该文基于图像差分及邻域特性对航空磁环的表面缺陷进行自动检测,通过3维块匹配滤波算法对原始图像进行去噪,并联合灰度及梯度进行阈值分割。然后对去噪图及阈值分割图进行差分运算,提取出边缘及缺陷区域。最后基于缺陷像素及边缘像素的邻域差异性提取缺陷点并检测出缺陷区域。该方法作为一种无接触、无损伤的自动检测技术,无须人工介入,通过对外环、内环及表层共3类磁环图像进行实验仿真,仿真结果说明该方法具有检测精度高、鲁棒性强的优点。

鲁棒的视觉机械臂联合建模优化方法

针对视觉机械臂在复杂系统环境下整体精度不高、不易部署、校准成本高的问题,提出一种鲁棒的视觉机械臂联合建模优化方法。首先,对视觉机械臂的各个子系统模型进行集成,在机械臂的工作空间随机采集伺服电机转角、机械臂末端坐标等数据。其次,提出一种具有分层优化机制的自适应多精英引导复合差分进化算法(AMECoDEs-LO),使用参数辨识的方法同时优化联合系统参数。AMECoDEs-LO对种群中阶段性的数据进行主成分分析(PCA),以参数降维的思想实现对收敛精度和速度的隐式引导。实验结果表明,在AMECoDEs-LO和联合系统模型的作用下,视觉机械臂在校准过程中不需要额外的仪器,部署速度快,最终精度相较于传统方法提高60%;在机械臂连杆受损、伺服电机精度降低、相机定位噪声增大的情况下,系统仍然保持较高精度,验证了所提方法的鲁棒性。

基于鲁棒模型预测控制的风火储联合系统调频优化策略

与传统火电系统参与调频相比,利用风火储联合系统进行调频在风电消纳率、节能减排等方面有天然的优势。然而,风电的不确定性波动对风火储联合系统参与调频的策略制定提出了挑战。因此,文章提出了一种基于鲁棒模型预测控制的风火储联合系统参与频率调节的优化策略。根据风火储联合系统参与一次调频的工作原理,搭建了含RMPC的风火储联合系统调频框架;分别建立风、火、储的响应模型,计及各元件运行限制与系统一次调频功率平衡等多重约束,构建以风电机组出力不确定性最大的情况下使系统调频成本最低的双层鲁棒优化模型;采用强对偶理论实现min-max双层鲁棒优化模型的单层化,同时采用前向差分法对风电出力和负荷波动的不确定性约束进行线性化改进,实现模型求解的加速;在MATLAB/Simulink中对所提的优化策略进行算例求解分析,证明了所提方法的调频效果具有显著提升。

考虑不确定性物理边界的灵活爬坡备用分布鲁棒经济调度

面对新能源不确定性的影响,需要充分挖掘电力系统的灵活调节能力。为此,提出了一种基于数据驱动分布鲁棒机会约束的灵活爬坡备用经济调度模型。考虑新能源不确定性功率波动的物理边界,利用Wasserstein距离构建模糊集,从而建立更加准确的不确定性模型。采用联合机会约束控制第二阶段安全越限风险,在保证安全鲁棒性的同时,避免过于保守的决策结果。基于仿射决策规则和条件风险价值理论,将两阶段分布鲁棒问题近似为线性模型,从而实现高效求解。以改进的IEEE 9节点系统为算例验证所提方法的有效性,探究了训练样本量对结果的影响,并将所提方法与鲁棒优化方法和随机优化方法进行对比。

考虑光伏不确定性和时序相关性的分布鲁棒光储协同优化配置方法

随着“碳达峰,碳中和”双碳目标的提出,大量强随机性的光伏将接入配电网,提高光伏的消纳能力和降低弃光率成为了新的挑战。此外,储能系统在平抑光伏随机波动性有重要作用。针对光伏接入配电网的消纳能力评估问题,考虑光伏出力的不确定性和时序相关性,提出一种以光伏有效消纳能力为目标的光储协同分布鲁棒优化配置方法,并将光伏电站和储能装置的选址和定容同时作为决策变量。首先以历史数据驱动统计出考虑时序相关性的光伏出力的参考联合概率分布,基于Jensen-Shannon散度距离构建模糊集合,并采用二阶锥等技术将模型转化为混合整数凸规划模型以加速求解,然后通过列与约束生成(CCG)算法求解光储联合配置方案。最后,以某个实际180节点配电网为算例进行仿真计算,验证了所提方法的有效性。

柔性关节机械臂系统的鲁棒自适应跟踪控制

针对一类带有参数不确定性及外部扰动的柔性关节机械臂系统,在考虑系统存在参数不确定性的前提下,给出混合干扰.提出鲁棒自适应反步控制策略,设计参数更新律补偿外部扰动和模型误差对系统的影响.给出系统输入转矩,通过Lyapunov稳定性分析证明所有闭环信号是有界的,并且系统输出能够渐近跟踪到期望的参考信号,利用Matlab仿真分析验证了所提出控制方案的有效性.

不同温度下的锂电池SOC联合估算

为准确估算电动汽车的荷电状态,针对扩展卡尔曼滤波算法存在噪声、鲁棒性差等问题,基于二阶RC等效电路模型,在不同温度下进行脉冲放电实验和最小二乘法离线辨识,再提出双自适应鲁棒扩展卡尔曼滤波(DAREKF)算法对模型参数和SOC进行在线联合估算。仿真结果表明:在常温条件下与AREKF算法相比,所提算法可以使SOC估算误差保持在1.14%以内;在低温条件下,越接近0℃,该算法的误差越小。