连续时间T-S模糊系统的一种二次镇定方法

模糊隶属函数是模糊系统的重要组成部分,在系统镇定中考虑其结构和参数信息可以减少结果的保守性.为此,针对连续时间T-S模糊系统的二次镇定问题,提出一种新的放松二次镇定条件.运用一种有效的附加变量引入方式将隶属函数乘积界这一信息更好地纳入系统的镇定条件中,得到了比以往文献保守性更小的结果.所有结果均以线性矩阵不等式形式给出.仿真结果验证了所提出方法的有效性.     

基于模糊T-S模型的非线性系统的H∞鲁棒容错控制

研究一类具有不确定和时滞的非线性系统的H鲁棒容错控制问题.采用T-S模糊模型来描述非线性系统,在系统执行器失效的情况下,建立故障矩阵模型;通过引进自由加权矩阵,基于Lyapunov稳定性理论和LMI(线性矩阵不等式)方法,给出系统H鲁棒容错控制器存在的充分条件,保证了系统的鲁棒稳定性,仿真实例验证了该方法的有效性.     

一种基于多传感器信息融合的故障诊断方法

针对目前油气管道的预警与泄漏判断误报率和漏报率高的问题,采用一种基于多传感器信息融合的方法来进行诊断．考虑不同的传感器所测得的特征参数不同的特点,在数据融合的过程中采用加权融合,增加系统判断的准确性．实验结果证明了该方法的有效性．     

基于信-能复合调制的多母线直流 微电网电流边缘控制策略

尽管直流微电网内新能源的分布式电流均衡控制已经得到了广泛的研究,但实际直流微电网中的通信线路往往是不可靠或者不存在的.基于此,提出一种在无传统通信网络环境下的多母线直流微电网的电流边缘控制策略,以实现电流均衡.首先,设计面向直流微电网的信息-能量复合调制(information-energy dual modulation, IEDM)策略,消除传统的通信设备和通信网络线路,实现新能源电源之间的信息交互.其次,构建多母线直流微电网的状态方程模型,进而将其转化为标准的异构多智能体模型.基于此模型,提出直流微电网内二级控制器的多智能体H_∞边缘协同控制策略,同时基于IEDM策略,设计周期性动态事件触发通信协议.最后,通过半实物仿真测试系统验证所提出的基于信息-能量复合调制的多母线直流微电网的电流边缘控制策略的有效性.     

微电网的电流均衡/电压恢复自适应动态规划策略研究

含多类型分布式电源的微电网已经成为了未来电力系统的重要发展方向,其中风能和光能在降低化石能源消耗和二氧化碳排放等方面有着极大优势,考虑二者之间强互补性的协同调度已被广泛研究.但风/光协同调度的微电网多关注分钟级的调度或优化问题而非风/光波动下秒级的实时电流按容量比例精准分担,简称电流均衡,而精准电流均衡有助于可再生能源的高比例消纳.因此,本文提出了基于自适应动态规划的微电网电流均衡和电压恢复控制策略.首先,构建包含风电整流型电能变换器和光电升压型电能变换器的广义风光拓扑同胚升压变换器模型,其提供了后续控制器设计的模型基础.其次,本文将电流均衡和电压恢复问题转化为最优控制问题,基于此,每个能源主体的目标函数转化为获取最优控制变量和最小电压/电流控制偏差,进而转化为求解哈密顿?雅克比?贝尔曼(Hamilton-Jacobi-Bellman,HJB)方程问题.基于此,提出了基于贝尔曼准则的分布式自适应动态规划控制策略以求取HJB方程的数值解,最终实现电流均衡和电压恢复.最后仿真结果验证了所提分布式自适应动态规划控制策略的有效性.     

基于改进齐次多项式技术的离散时间2-D T-S模糊系统的收敛镇定条件

通过利用改进的齐次多项式技术来研究了Roesser型二维T-S模糊系统的镇定设计问题. 首先, 提出了一种用来镇定该二维T-S模糊系统的一种新型非二次控制率, 并且通过应用两种改进的齐次多项式技术得到了保守性更小的镇定条件. 随着所选用的齐次多项式参数依赖矩阵度数的增加, 所得结果的保守性会越来越小. 其次, 为了继续减少保守性, 提出了一种新的右侧松弛变量引入方法, 该方法适合于齐次多项式情形. 最后, 仿真实验验证了所提方法的有效性.     

一类控制受约束非线性系统的基于单网络贪婪迭代DHP算法的近似最优镇定

提出一种贪婪迭代DHP (Dual heuristic programming)算法, 解决了一类控制受约束非线性系统的近似最优镇定问题. 针对系统的控制约束, 首先引入一个非二次泛函把约束问题转换为无约束问题, 然后基于协状态函数提出一种贪婪迭代DHP算法以求解系统的HJB (Hamilton-Jacobi-Bellman)方程. 在算法的每个迭代步, 利用一个神经网络来近似系统的协状态函数, 而后根据协状态函数直接计算系统的最优控制策略, 从而消除了常规近似动态规划方法中的控制网络. 最后通过两个仿真例子证明了本文提出的最优控制方案的有效性和可行性.     

未知饱和控制系统有穷域最优控制

针对带有饱和执行器且局部未知的非线性连续系统的有穷域最优控制问题,设计了一种基于自适应动态规划(ADP)的在线积分增强学习算法,并给出算法的收敛性证明.首先,引入非二次型函数处理控制饱和问题.其次,设计一种由常量权重和时变激活函数构成的单一网络,来逼近未知连续的值函数,与传统双网络相比减少了计算量.同时,综合考虑神经网络产生的残差和终端误差,应用最小二乘法更新神经网络权重,并且给出基于神经网络的迭代值函数收敛到最优值的收敛性证明.最后,通过两个仿真例子验证了算法的有效性.     

一类模糊系统全局稳定的几个充分条件

针对一类多变量连续Ｔ－Ｓ模糊模型,通过对全局系统性质的研究,提出一种基于线性时不变系统的全局稳定性分析方法,并得到该类模糊系统的全局稳定的几个充分条件。该方法为模糊控制的稳定性研究提供了新途径。     

微型燃气轮机的新型神经网络控制的研究

燃机控制系统是一种多变量、非线性、时变的系统,对微型燃气轮机的转速控制器进行了深入研究.PID控制应用广泛,但在实际应用中,其参数整定仍未得到较好的解决.因此,设计了一种新的神经网络PID控制器作为主控制器,通过神经网络所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制,确保系统的稳定性、快速性和准确性.大量的仿真证明,该算法具有良好的控制效果.