Reinforcement learning based parameter optimization of active disturbance rejection control for autonomous underwater vehicle

This paper proposes a liner active disturbance rejection control(LADRC) method based on the Q-Learning algorithm of reinforcement learning(RL) to control the six-degree-of-freedom motion of an autonomous underwater vehicle(AUV).The number of controllers is increased to realize AUV motion decoupling.At the same time, in order to avoid the oversize of the algorithm, combined with the controlled content, a simplified Q-learning algorithm is constructed to realize the parameter adaptation of the LADRC controller.Finally, through the simulation experiment of the controller with fixed parameters and the controller based on the Q-learning algorithm, the rationality of the simplified algorithm, the effectiveness of parameter adaptation, and the unique advantages of the LADRC controller are verified.

Parameter Deviation Effect Study of the Power Generation Unit on a Doubly-Fed Induction Machine-based Shipboard Propulsion System

To lower the difficulty of fault protection,a doubly-fed induction machine based shipboard propulsion system(DFIM-SPS)that is partially power decoupled is presented.In such an intrinsically safe SPS architecture,a synchronous generator(SG)is employed for power generation,and the accuracy of the parameters of power generation unit(PGU)plays an important role in SPS stable operation.In this paper,the PGU parameter deviations are studied to evaluate the effects on system performance.The models of salient-pole SG,type DC1A excitation system(EXS)and DFIM are illustrated first.Besides,the corresponding control scheme is explained.For the 16 important parameters of PGU,up to 40%of parameter deviations are applied to implement parameter sensitivity analysis.Then,simulation studies are carried out to evaluate the parameter deviation effects on system performance in detail.By defining three parameter deviation effect indicators(PDEIs),the effects on the PGU output variables,which are the terminal voltage and output active power,are studied.Moreover,the increasing rates of PDEIs with different degrees of parameter deviations for the key parameters are analyzed.Furthermore,the overall system performance is investigated for the two most influential PGU parameters.This paper provides some vital clues on SG and EXS parameter identification for DFIM-SPS.

单相整流器二次纹波抑制的有源功率解耦控制算法

为了解决单相整流器中LC谐振回路频率适应性差的问题,引入有源功率解耦电路代替LC谐振回路抑制母线电压二次纹波,选择直流母线电容分裂拓扑有利于减小支撑电容容值。首先,对有源功率解耦电路的工作模态进行分析,建立了单相整流器和分裂电容有源功率解耦回路数学模型。其次,传统解耦控制算法间接计算解耦参考电压,为提高功率解耦效果,采用二阶广义积分器直接提取电压纹波作为电压参考,并提出一种基于滑模观测器的无电流传感器控制策略,滑模观测器降低了解耦电路成本,提高了抗干扰能力。然后,根据整流器性能指标和功率解耦要求,给出了有源功率解耦回路电感和电容设计依据。最后,对不同拓扑结构的单相整流器进行了稳态和动态实验对比,实验结果证明了控制算法的有效性。

紧凑型混合励磁三相饱和铁芯型故障限流器

加装饱和铁芯型故障限流器是限制高压系统短路电流的有效方法,但其需要与外加的限流空心电抗器配合,导致整个限流系统占地面积和体积很大。因此,基于非正交解耦原理提出了一种紧凑型混合励磁三相饱和铁芯型故障限流器(compact hybrid-biased three-phase saturated core fault current limiter,CTFCL),其具有占地面积和体积小的优点。首先,提出了含非正交解耦绕组的CTFCL拓扑。其次,建立了CTFCL的等效电磁路模型,分析了其工作原理。然后,给出CTFCL的参数设计准则,搭建了220 kV的有限元模型,仿真验证了CTFCL的限流效果和电磁特性。最后,设计并研制出小容量样机,开展了实验研究。仿真和实验结果均证明了该文所提CTFCL的有效性,CTFCL对各种短路均有良好的限制效果,且对比得到CTFCL限流系统占地面积和体积较传统三相SCFCL限流系统分别减少了44%和26%,适合实际高压系统的安装与应用。

计及参数摄动的EMB电机改进型高阶线性自抗扰控制

为了提高EMB的安全性和可靠性,提高EMB驱动系统的容错性和抗扰能力,提出一种基于改进型高阶线性自抗扰控制器的串级矢量控制系统。首先,提出改进型高阶线性自抗扰控制器的设计方法,通过改进型高阶线性自抗扰控制器提高系统低频抗扰能力,同时降低对高频噪声的敏感度;其次,分析归纳EMB驱动系统内存在的扰动类型,并理论分析改进型高阶线性自抗扰控制器对电机参数摄动的鲁棒性。仿真和实验结果表明:该控制策略和控制算法可以实现对EMB驱动系统内电机参数变化、负载扰动、电流交叉耦合和宽频域扰动等多种扰动类型的抑制,验证了其有效性。最终,EMB驱动系统实现了5倍电机参数摄动下的抗扰控制。通过动态解耦,提高了EMB驱动系统在高速时的动态性能。该控制策略和控制算法显著提高了EMB驱动系统的容错性和鲁棒性。

飞轮储能用磁轴承综述

磁轴承是利用磁场力将转子悬浮于空间,实现定子与转子之间无机械接触的一种新型支承轴承,在飞轮储能领域具有非常广阔的应用前景。阐述了飞轮储能工作原理以及常见的4种磁轴承支承方式,根据偏置磁通产生方式、受控自由度数量、磁极数量对磁轴承结构进行分类介绍,并对磁轴承关键技术参数优化、无传感控制技术以及解耦控制技术进行综述,指出磁轴承关键技术的未来发展趋势是使用智能算法建立模型求最优解。

主动隔振系统负载特征参数动态辨识方法

针对主动隔振系统负载特征参数难以估计以及动态变化的问题,明确特征参数辨识对象并提出辨识方法,提升主动隔振系统的解耦控制效果。在三点支撑构型的减振系统基础上,建立主动隔振系统动力学模型和控制模型,推导动力学方程中的质量矩阵、刚度矩阵、阻尼矩阵以及解耦控制模型中的转换矩阵,提出主动隔振系统重心、质量、惯量负载特征参数的辨识方法,创建基于Simulink的主动隔振系统仿真模型并对实验平台进行搭建,通过仿真和实验使辨识方法的有效性得到验证。

带FIR滤波的非线性滑动平均动态软测量模型

非线性滑动平均(NMA)模型能有效描述工业过程的动态特性,是一种典型的动态软测量模型.而受限于模型复杂度,NMA模型的输入时序边界相对较窄,难以适应带有大滞后或强测量噪声的动态工业过程.针对该问题,本文将NMA模型与结构简单、输入时序边界宽的FIR滤波器相结合,构造一种非线性、强抗干扰的软测量建模策略.并设计层白化结构来避免二者间的参数耦合现象,采用Adam算法进行同步优化,提高模型的预测精度及训练效率.最后,利用数值仿真和硫回收过程建模实验,验证所提模型的预测精度以及模型设计的合理性.

参数解耦在差分隐私保护下的联邦学习中的应用

联邦学习(Federated Learning,FL)是一种先进的隐私保护机器学习技术,其通过多方协作,在无需集中聚合原始数据的情况下,交换模型参数以训练共享模型。尽管在FL中参与方不需要显式地共享数据,但许多研究表明,其仍然面临多种隐私推理攻击,从而导致隐私信息泄露。为应对这一问题,学术界提出了多种解决方案。其中,一种严格保障隐私的方法是将本地化差分隐私(Local Differential Privacy,LDP)技术应用于联邦学习。该技术在参与方上传模型参数前对其添加随机噪声,能有效地抵御恶意攻击者的推理攻击。然而,LDP引入的噪声会造成模型性能下降。同时,最新研究指出,这种性能下降与LDP在客户端之间引入了额外的异构性有关。针对LDP使得FL性能下降的问题,提出了差分隐私保护下基于参数解耦的联邦学习方案(PD-LDPFL):除了服务器下发的基础模型外,每个客户端在本地还额外学习了个性化输入和输出模型。该方案在客户端传输时仅上传添加噪声后的基础模型的参数,而个性化模型的参数被保留在本地,自适应改变客户端本地数据的输入和输出分布,缓解LDP引入的额外异构性以减少精度损失。此外,研究发现,即使在采用较高的隐私预算的情况下,该方案也能天然地抵御一些基于梯度的隐私推理攻击,如深度梯度泄露等攻击方法。在MNIST,FMNIST和CIFAR-10这3个常用数据集上进行了实验,结果表明:相比传统的差分隐私联邦学习方法,该方案不仅可以获得更好的性能,而且还提供了额外的安全性。

基于前馈LADRC的机械臂轨迹跟踪控制

针对机械臂轨迹跟踪精度受系统耦合、参数摄动和外界干扰等影响的问题,提出了一种基于前馈线性自抗扰控制器的机械臂轨迹跟踪控制方法。建立串联二自由度机械臂的动力学模型,设计基于前馈线性自抗扰控制器的轨迹跟踪控制系统,通过引入自抗扰控制器参考角加速度前馈对控制系统性能进行仿真分析和实验验证。研究结果表明,与传统线性自抗扰控制器相比,所提出的控制器可明显提高机械臂轨迹跟踪控制精度,系统不确定参数具有强鲁棒性。

低秩自适应微调的一阶段红外目标跟踪

由于缺乏大规模的红外跟踪训练数据集,现有的红外跟踪方法大都利用在大规模可见光数据上预训练的模型,然后在小规模的红外数据上进行完全微调。然而,当预训练模型的参数规模迅速增大时,完全微调需要的内存和时间成本也急剧增长,这限制了低资源用户在大型模型上进行研究和应用。为解决该问题,提出一种参数、内存和时间高效自适应的红外目标跟踪算法。首先,通过Transformer的自注意力机制对模板和搜索区域图像进行联合特征提取和关系建模,获取与目标关联度更强的特征表示;其次,利用低秩自适应矩阵的侧网络将可训练参数从主干网络中进行解耦,以减少需要训练更新的参数规模;最后,设计一种轻量级空间特征增强模块,增强特征对目标和背景的判别能力。提出方法的训练参数,内存和时间分别仅占完全微调方法的0.04%、39.6%和66.2%,性能却超越了完全微调。在3个标准红外跟踪数据集LSOTB-TIR120,LSOTB-TIR100和PTB-TIR上的实验对比结果和消融实验证明了提出的方法是有效的。提出的方法在LSOTB-TIR120数据集上成功率为73.7%,精度为86.0%,归一化精度为78.5%;LSOTB-TIR100数据集上成功率为71.6%,精度为83.9%,归一化精度为76.1%;在PTB-TIR数据集上成功率为69.0%,精度为84.9%,均取得了当前最先进的跟踪性能。

D-scheduler:A scheduler in time-triggered distributed system through decoupling dependencies between tasks and messages

Time-triggered architecture,as a mainstream design of the distributed real-time system,has been successfully applied in the aerospace,automotive and mechanical industries.However,time-triggered scheduling is a challenging NP-hard problem.There are few studies that could quickly solve the scheduling problem of large distributed time-triggered systems.To solve this problem,a communication affinity parameter is defined in this paper to describe the degree of bias of the shaper task towards sending or receiving messages.Based on this,an innovative task-message decoupling model named D-scheduler is built to reduce the computation complexity of the scheduling problem in large-scale systems.Additionally,we provide mathematical proof that our model is a convex optimization that is easy to solve with existing computational tools.Our experiments substantiate the efficacy of the D-scheduler.It dramatically reduces the scheduling complexity of large-scale real-time systems with a small loss of solving space compared to the federal scheduler.

基于传动模型重构的永磁同步直线电机机械参数辨识

针对永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)机械参数辨识中存在模型不准确、辨识参数耦合、辨识精度低等问题,该文提出一种基于传动模型重构的机械参数辨识算法。首先,根据重构模型建立扩张状态观测器得到动子质量和摩擦力、电磁推力、质量辨识初值的耦合信息;其次,为消除这种耦合,提出一种两级式的动子质量解耦辨识策略。再次,根据PMSLM的摩擦特性,构造一种综合考虑速度和加速度影响的摩擦力模型,更精确地描述真实摩擦力。最后,搭建基于机械参数辨识算法的控制系统,通过仿真和实验验证,证明所提辨识算法的有效性。

基于参数解耦的变分贝叶斯自适应卡尔曼滤波

针对噪声协方差矩阵失配情况下的状态估计问题,本文基于变分贝叶斯框架,提出了一种适用于过程噪声协方差矩阵和测量噪声协方差矩阵均未知条件下的参数解耦的变分贝叶斯自适应卡尔曼滤波算法。所提算法选取预测误差协方差矩阵作为变分优化变量,并引入了其马尔可夫演化模型,构造了参数解耦的变分推断模型。同时,采用固定点迭代优化实现状态、预测误差协方差矩阵和测量噪声协方差矩阵的联合后验概率分布求解,并设计了算法的收敛性判断准则。仿真结果验证了算法的有效性。

解耦膜与惯性通道相互作用对液压悬置特性影响分析

为研究不同惯性通道与解耦膜通道之间的相互作用对液压悬置特性的影响,提出一个包含9种结构和4种组合方案的多惯性通道液压悬置模型.分析惯性通道数量、横截面积以及长短惯性通道与解耦膜通道之间的相互作用.结果表明惯性通道数量、横截面积以及长短惯性通道数量与解耦膜通道的相互作用直接影响液压悬置的高低频的隔振性能.

石油钻机电控系统的多变量解耦控制方式

石油钻机交流电控系统以多变量变频控制多电机为主。针对异步电机非线性、不确定、非最小相等因素引起的耦合多变量无法精确调参及控制的问题,提出了一种石油钻机电控系统的多变量解耦控制方式。在静态坐标系下建立了电机模型,采用了自适应PID神经元网络解耦多变量,降低了速度、励磁等重要变量的耦合程度。高阶非线性部分采用了前馈补偿方法加以消除,低阶非线性部分则加入了神经网络解耦器。通过广义时域响应曲线消除了耦合影响,达到了优化变频控制参数的目的。实验表明,本文所设计的控制方式可以有效地实现多电机速度、励磁等参数的解耦,其控制系统具有良好的稳定性,其闭环控制也具有良好的鲁棒性。

基于细观损伤模型的起重机械用低合金钢失效行为预测

在起重机械(特别是对于长期使用后材质性能发生显著劣化的起重机械或已产生低周疲劳裂纹的起重机械)使用事故中,整机倾覆和折断事故占据了80%,故预测其服役工况下的极限承载能力是实现起重机械延寿的关键。Gurson-Tvergaard-Needleman(GTN)模型是宏、微观相结合的方法,具有坚实的物理背景,但由于其8个强耦合参数难以确定,故工程应用很少。文中针对起重机械常用低合金钢Q345材料GTN模型中每一类参数的物理特性,探索了1套运用微观观测+损伤演化监测+胞元力学响应分析+有限元试错的材料参数多联去耦策略,仅依赖少量实验和有限元分析即确定了唯一1组GTN参数,并将其成功应用于多裂纹平板的失效行为预测。该研究成果能够用于起重机械材质参数的快速标定,为起重机械复杂受力下承载能力评估提供理论与方法指导。

Online Identification of Power Battery Parameters for Electric Vehicles Using a Decoupling Multiple Forgetting Factors Recursive Least Squares Method

Li-ion batteries are widely used in electric vehicles(EVs).However,the accuracy of online SOC estimation is still challenging due to the time-varying parameters in batteries.This paper proposes a decoupling multiple forgetting factors recursive least squares method(DMFFRLS)for EV battery parameter identification.The errors caused by the different parameters are separated and each parameter is tracked independently taking into account the different physical characteristics of the battery parameters.The Thevenin equivalent circuit model(ECM)is employed considering the complexity of battery management system(BMS)on the basis of comparative analysis of several common battery ECMs.In addition,decoupling multiple forgetting factors are used to update the covariance due to different degrees of error of each parameter in the identification process.Numerous experiments are employed to verify the proposed DMFFRLS method.The parameters for commonly used LiFePO4(LFP),Li(NiCoMn)O2(NCM)battery cells and battery packs are identified based on the proposed DMFFRLS method and three conventional methods.The experimental results show that the error of the DMFFRLS method is less than 15 mV,which is significantly lower than the conventional methods.The proposed DMFFRLS shows good performance for parameter identification on different kind of batteries,and provides a basis for state of charge(SOC)estimation and BMS design of EVs.

基于改进自抗扰的变流系统直流母线电压波动抑制策略

在直流母线电压波动的情形下,光伏并网变流系统易出现输入输出侧功率传输不平衡、运行不稳等问题,因此提出一种改进线性自抗扰控制策略。首先,建立变流系统物理模型和数学模型,并分析能量传输不平衡原理。然后,设计一阶线性自抗扰控制器取代传统比例积分矢量控制器。进一步,为加强扩张观测器扰动观测能力,引入新型参数解耦方法,形成解耦型改进自抗扰控制,提高系统的快速性和抗扰性。最后,依托频率响应特性曲线和多种模拟工况进行仿真验证。结果表明:相较于传统控制策略,改进线性自抗扰既具备优越的抑制直流侧母线电压波动的能力,又具有良好的扰动抵抗能力与短时暂态故障穿越能力,保证了系统的功率传输平衡与正常平稳运行。

基于参数解耦陷波滤波器的工业机器人末端振动抑制

六自由度工业机器人关节因传动装置刚度不足而引发末端振动,通常采用传统陷波滤波器解决该问题;但滤波器参数之间存在耦合,导致滤波器参数难以快速整定。为此,基于所建立的工业机器人双惯量负载模型设计出具有参数解耦的陷波滤波器。分析传统陷波滤波器传递函数,采用极点零点抵消法对陷波器参数进行解耦设计;将陷波器中心频率、宽度以及深度作为陷波滤波器的参数;最后,利用傅里叶变换和对数衰减法快速整定改进后的陷波器参数,以此来抑制工业机器人末端振动。搭建六自由度工业机器人实验平台进行实验。结果表明:参数解耦陷波滤波器不存在参数耦合,参数整定方便;使用参数解耦滤波器比未使用滤波器相比可降低78.5%的工业机器人定位振动,证明改进的参数解耦陷波滤波器对定位振动抑制的可行性与有效性。