基于改进Smith预估器的无刷直流电机电流环控制方法研究

在无刷直流电机系统中不可避免地存在固有的时滞因素,而系统中的电流环采用常规的PI控制器方式难以满足高性能控制系统的要求,使得电流的动态响应明显变差。本文采用Smith预估器优化控制方式,改善了电流环的性能,得到了较理想的效果。针对传统的Smith预估器需要准确的被控对象模型才能获得满意的控制效果,本文利用PI控制器对Smith预估器进行改进,提高了Smith预估器适应系统参数变化的能力,并且加强了Smith预估器的抗干扰能力,从而达到了改善电流环性能的目的。仿真及实验结果验证了这种方法的有效性和可行性。     

选择性催化还原脱硝系统Smith预估自抗扰控制

针对选择性催化还原(SCR)脱硝系统的大时滞、非线性和时变性,提出Smith预估器与自抗扰控制相结合的控制方法。利用Smith预估器对系统时滞环节进行补偿,使时滞被控量超前反映到控制器,以缩短调节时间;利用自抗扰控制对SCR脱硝系统Smith预估器模型的误差和扰动量进行估计和补偿以提高模型精度。仿真结果表明,与常规PID控制、Smith预估控制及常规自抗扰控制相比,基于Smith预估的自抗扰控制对SCR脱硝系统的控制效果更佳,可有效提高控制系统的抗扰能力和模型适应能力。     

基于改进型Fuzzy-Smith算法的水泥窑温控

水泥回转窑是一大滞后、大惯生环节,针对这一特点,本文设计了一种改进型Fuzzy-Smith控制器。该控制方案将模糊控制与改进型Smith预估控制相结合,利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性。通过Matlab仿真研究,表明改进的Fuzzy-Smith控制器具有较强的鲁棒性和良好的控制品质,对于大时间滞后的系统是一种实用而简便的控制方法。     

一种改进型的Smith-Fuzzy控制器在锅炉燃烧控制中的应用

在电站热工控制系统中,广泛存在着时滞。锅炉燃烧控制中通过常规的PID调节控制很难满足控制要求,尝试将模糊控制、Smith预估控制算法以及最小二乘参数辨识法进行组合,提出了一种模糊控制器与基于参数在线辨识的改进型smith预估器混合的滞后控制器,仿真结果表明在大延迟时滞系统中该控制器能够提高控制效果。     

混合有源电力滤波器的新型电流迭代学习控制

混合有源电力滤波器可以动态抑制电网谐波电流和补偿容性无功功率,改善电网电能质量。针对传统PI型迭代学习控制算法在并联有源电力滤波器应用中的不足,算法收敛性严重依赖于学习控制的初始输入,迭代学习控制器的参数是定常值,会影响有源滤波系统的控制性能。本文提出一种新型PI迭代学习控制算法,将其应用于混合有源电力滤波器系统的电流反馈控制中,得到了应用迭代算法的收敛性条件,并采用一种改进的Ziegler-Nichols方法对控制器参数进行了优化,以提高系统的控制精度。为了提高系统的动态响应性能,提出一种谐波电流误差的反馈-前馈控制策略,其中电流误差信号的D型前馈控制环节用于实现滤波器系统的电流快速补偿,同时利用一个三层BP神经网络对前馈控制增益进行优化。仿真和实验结果证明了该迭代算法及控制策略的可行性与有效性。     

汽轮机旁路温度控制系统的优化

提出了基于差分进化算法参数辨识精确建模的Smith预估控制方案,利用焓值计算方法对汽轮机旁路温度主要扰动量进行前馈补偿,结合设备参数提出了采用基于能量平衡的精确前馈控制,保证了系统的抗扰动能力;通过采集现场实际运行数据,基于改进后的差分进化算法辨识得到控制对象的数学模型,提高了Smith预估器的补偿精度。仿真研究及现场应用结果表明,优化后的控制系统具有良好的稳定性、快速响应特性及控制精度,符合工程实际要求。     

基于自适应Smith预估器的补偿模糊神经网络控制

针对滞后慢时变系统，利用Adaline网络在线辨识被控对象的静态增益和纯滞后时问，实时调整Smith预估器的参数，并采用补偿模糊神经网络作为控制器的控制方法。将该方法用于纸浆浓度控制系统，仿真实验结果表明了该方法的有效性和实用性。     

神经网络算法的改进及其在有源电力滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计了一种基于改进梯度算法的BP神经网络自适应PI控制器。该控制器将神经网络技术与PI参数设计相结合,与传统的PI控制器相比,该控制器具有结构简单、易于在线调整等优点。同时,为了克服采用神经网络算法修正权值系数时,会存在局部极小、收敛速度慢的问题,对BP神经网络采用的梯度算法进行改进。利用代数法代替梯度下降法,从而解决了易出现局部极小问题,且使收敛速度更快。仿真实验表明,改进后的神经网络自适应PI控制器较传统的PI控制器有更快的响应速度和更高的补偿精度,从而使系统更稳定,而且电网电流的谐波畸变率更低。     

引入主动阻尼的PMSM电流环控制策略研究

为了提高永磁同步电机(PMSM)电流环的抗扰动性能,在电流环控制器中引入主动阻尼控制,针对主动阻尼对控制系统固有延时敏感的问题,提出了一种引入主动阻尼控制加Smith预估器的控制方法。该方法采用Smith预估器对控制系统固有延时进行补偿,可降低系统延时对主动阻尼控制性能的影响,提高了电流环的动态性能,并分析了Smith预估器对模型参数失配的鲁棒性。实验结果验证了所提方法的有效性和正确性。     

基于FPGA的粒子群优化PI控制器在有源滤波器中的应用

针对有源电力滤波器 APF (Active Power Filter) 中,电流补偿PI控制器参数难以整定的问题,提出了一种基于FPGA实现的粒子群优化PI控制器设计方案。利用粒子群优化算法对非线形系统的适应性强和易于工程实现等特点,同时以FPGA为硬件核心处理器,对电流补偿PI控制器的比例、积分参数进行优化。仿真和样机实验结果表明,优化后的PI控制器在动态性能以及控制精度等方面有明显提高,基于该 PI 控制器的有源电力滤波器能迅速有效产生补偿电流,抑制电网谐波,证明了该设计的可行性。     

基于单神经元Smith预估的过热汽温控制

针对典型大时滞大惯性、参数变化的电站锅炉过热汽温受控对象 ,设计了基于单神经元Smith预估过热汽温控制系统。在仿真实验的基础上 ,对单神经元Smith预估控制和最优常规PID控制进行了比较和分析。仿真结果表明 ,单神经元Smith预估控制能够充分利用神经元自学习、自适应的能力以及Smith预估补偿控制的优点 ,使系统的控制品质提高 ,而且具有更强的鲁棒性和自适应性     

基于量测信号扰动的DFIG变流器控制参数辨识方法

双馈感应发电机(DFIG)的变流控制器模型是整个机组模型中的关键部分。变流控制器的参数众多且内外环比例—积分(PI)控制器之间存在级联,常规辨识方法或遇到参数可辨识性问题,或工程实现难度较大。文中提出一种以"分步辨识、交互迭代"为特点,基于二次侧量测信号扰动的控制器参数辨识方法。该方法分别在变流控制器中各PI控制器输入端所用的量测信号上施加扰动,从而突出某个PI控制器在特定量测信号扰动下的作用,并将该PI控制器的可测量控制目标作为观测变量,进而重点辨识其参数。对于存在级联的两个PI控制器,先对后一级PI控制器所用量测信号施加扰动,同时屏蔽前一级PI控制器所用量测信号的变化,从而可实现两个级联PI控制器参数的解耦辨识。该方法可以使变流控制器中每个PI控制器的两个参数在特定的量测信号扰动下被单独辨识,有效保证了参数的可辨识性;而对于全部待辨识参数,可通过多轮交互迭代辨识进一步提高整体辨识精度。     

基于RBF神经网络的智能负载控制策略研究

本文在电力弹簧的数学模型和控制电路的基础上,提出了一种基于RBF神经网络的智能负载控制方法,利用RBF神经网络算法可以有效弥补传统PI控制器参数固定,无法更改的缺点。通过对控制器参数实时在线调整,可以有效地减少智能负载失稳情况,从而确保系统母线电压稳定。最后,在MATLAB/Simulink的仿真环境中进行仿真验证,结果表明：与传统PI控制下的智能负载相比,本文所提的控制方法具有更强的调节性能。     

蚁群优化PI控制器在静止无功补偿器电压控制中的应用

静止无功补偿器(static var compensator,SVC)通常用来进行负荷补偿或系统补偿,在系统补偿时往往用于电压稳定控制,针对电压稳定控制的工况,文中提出一种采用蚁群算法优化PI控制器参数的方法,克服了常规PI控制对被控对象数学模型的依赖性,简单易于实现。蚁群优化算法中,以时间与误差绝对值乘积积分(integral of time-weighted absolute error,ITAE)准则作为寻优目标函数,对PI控制器的比例、积分参数进行调整、寻优,使SVC系统的响应过程达到最优。仿真和实验结果表明,该最优PI控制器能快速跟踪SVC系统的电压设定值,基于该PI控制器的SVC能迅速进行无功补偿,具有较强的适应性和较高的补偿精度。     

动态电压恢复器数字矢量控制方法的性能分析及改进

动态电压调节器(dynamic voltage restorer,DVR)是解决暂态电能质量问题的有效手段。根据DVR在dq同步旋转坐标系下的状态空间模型,采用前向欧拉法和无差拍控制原理推导得出包含内环电流控制器和外环电压控制器的数字双矢量控制算法。利用闭环模型进行稳定性分析和频率响应分析,研究参数变化对数字控制系统的影响。为补偿数字控制系统的采样延迟和计算时间,采用状态观测器对输出电流进行预估,并反馈至内环矢量电流控制器。仿真结果表明算法具有良好的动态和静态性能。提出2种改进的双矢量控制算法,实现对不对称电压跌落的无差补偿,并通过仿真和实验进行初步验证。     

预测控制在锅炉燃烧系统中的应用

预测控制是近年发展起来的一类新型计算机控制算法,该文以内部模型与内模控制器出发,推导出Smith预测控制的时延补偿原理和Smith预测器内模控制结构设计,然后结合工业锅炉燃烧系统中主汽压力控制,利用INFI－90分散控制系统的Smith预测控制器及其它控制构成一个带有馈的串级调节系统,实现了主汽压力的预测控制。     

基于隐式PIGPC的网络控制系统时延补偿方法

网络控制系统的时延会导致系统性能下降,针对该问题提出一种基于隐式PIGPC的时延补偿方法。首先,通过历史时延数据,利用自适应变步长最小均方滤波算法对当前时刻的网络时延进行预测,将预测时延代替实际时延作为时延补偿控制器的参数。然后为改进隐式GPC的时延补偿效果,提出具有PI结构的隐式PIGPC算法。隐式PIGPC不必递推求解Diophantine方程,可节省在线计算时间,并且把PI的反馈结构与GPC的预测功能结合起来,改善了控制器的性能。利用隐式PIGPC设计控制器,结合预测时延完成基于隐式PIGPC的网络时延补偿控制器的设计,并对时延补偿算法的稳定性进行了分析。最后的仿真实验表明隐式PIGPC对网络控制系统时延具有良好的补偿效果,同时具有较少的运算时间。     

Load frequency control using Bat inspired algorithm based dual mode gain scheduling of PI controllers for interconnected power system

This paper highlights the load frequency control using dual mode Bat algorithm based scheduling of PI controllers for interconnected power systems. The bat inspired algorithm based on the echolocation of bats has been developed in 2010. In this study, the bat inspired algorithm based dual mode PI controller is applied to the multi-area interconnected thermal power system in order to tune the parameter PI controllers. The proposed controller is simple in structure and easy for implementation. The proposed controller was compared with those from conventional the PI controllers and Fuzzy gain scheduling of PI controllers. The simulation results show the point that the proposed bat inspired algorithm, based dual mode gain scheduling of PI controllers (BIDPI), provides better transient as well as steady state of response. It is also found that the proposed controller is less sensitive to the changes in system parameters.