基于LCC-S拓扑的WPT系统恒压输出研究

针对无线电能传输系统（Wireless Power Transfer,WPT）在面对负载投切、互感改变时出现输出电压波动较大这一问题，提出了一种基于线性自抗扰控制（Linear Active Disturbance Rejection Control,LADRC）的WPT系统。选用了LCC-S补偿网络并建立系统模型，推导出输出电压与移相角之间的关系式，设计了基于移相控制的LADRC控制器，在相同扰动条件下将PI控制器与LADRC控制器进行对比。仿真结果证明，LADRC可以更好地抑制扰动，保证了系统的输出电压恒定，具有良好的控制效果。     

基于神经网络控制的直流调速系统仿真与分析

在直流电动机性能优化问题的研究中,针对传统PID控制的双闭环直流调速系统参数难以整定、自适应性差等问题,在对系统数学建模的基础上,确定了系统的控制策略,设计了一个BP神经网络的PID控制器.首先确定BP网络的结构,然后计算网络各层的输入和输出,再根据增量式PID控制算法计算控制器的输出,利用BP网络的自学习能力对PID控制器的参数实时在线调整,获得最佳的PID控制参数,从而实现直流电机转速的调节.仿真结果表明,采用神经网络控制的直流电动机调速系统具有良好的动静态性能、抗扰性能和鲁棒性能,说明了控制策略的有效性和先进件.     

基于循环神经网络和卡尔曼滤波器的多变量混沌时间序列预测

混沌时间序列的鞍点远多于极值点,且容易出现多重共线性问题。对此,提出基于循环深度神经网络和卡尔曼滤波器的时间序列预测算法。利用循环深度神经网络预测高维时间序列,使用实时递归学习算法搜索最小化预测误差的最优网络参数,采用Levenberg-Marquardt算法对神经网络进行迭代训练。在线更新循环神经网络的过程中,利用卡尔曼滤波器对循环神经网络的输出权重进行调节,解决多重共线性的问题。实验结果表明,该算法实现了较低的预测误差,并且缓解了高维时间序列的多重共线性问题。     

永磁同步风电系统网侧变换器控制策略研究

永磁同步风电系统使用两电平电压型双PWM变换器向电网输送电能.由于变换器直流侧负载扰动引起直流母线电压波动,影响输入电网电能质量.为了减小负载扰动对直流母线电压的影响,提出一个基于相似反对称结构理论的网侧变换器控制方法.以相似反对称结构为闭环期望结构,采用逆推法设计网侧控制器.对系统在负载扰动作用下的稳定性进行分析.用Matlab进行仿真,结果表明该控制器能控制输入电网电能功率因数,提高直流母线电压的稳定性,缩短调节时间,提高系统的鲁棒性,为优化输电网的电能质量提供了依据.     

无线电能传输系统最高效率点控制策略的研究

无线电能传输在实际应用中的关键性问题是系统的传输效率和负载电压的稳定。综合考虑线圈谐振频率、耦合系数、负载阻抗、电源内阻,应用互感耦合理论分析了系统传输效率和电压增益与耦合系数和负载电阻的关系。对比了四种常见的无线传能系统闭环控制方法,并提出最高效率点控制策略,保证系统效率最大化同时调节负载输出电压。     

基于深度学习的鲁棒非线性模型预测控制方法

为降低鲁棒非线性模型预测控制方法中优化问题的实时求解难度,提出一种基于深度学习的近似鲁棒控制器方法。利用复杂的鲁棒非线性模型预测控制算法作为训练数据的生成器,以当前时刻的过程状态作为网络的输入,复杂控制算法计算的最优控制输入作为网络的输出,基于深度神经网络学习复杂的非线性模型预测控制策略。通过一个工业半间歇聚合反应器模型案例验证了所提方法的有效性,深层网络与浅层网络相比具有更好的效果。     

基于改进模糊PID位置随动系统控制

针对直流有刷电机在使用传统模糊PID控制器进行位置随动控制时,由于负载转矩变化导致系统跟随性能下降以及负载转矩未知的问题,提出了基于负载观测器的改进模糊PID控制器代替传统模糊PID控制器,在传统模糊控制结构的基础上增加负载观测器,实时观测系统负载转矩,并利用负载转矩实时调节系统控制器参数,提升了系统在负载转矩突变时的位置跟随能力。仿真结果表明：负载观测器能实时、准确地观测负载转矩,改进模糊PID控制器对负载扰动有较强的抑制能力,并有效减小了系统的调节时间和稳态误差。     

电流型ICPT系统恒流输出复合谐振网络研究

为解决煤矿安全监控系统中不同传感器的恒流无线供电问题,针对电流馈电型磁耦合感应式无线电能传输(ICPT)系统,研究了一种适用于无线电能传输的复合谐振补偿网络,推导了实现恒流输出的补偿网络所需条件,分析了软开关实现方式及系统参数变化对系统输出特性及输入阻抗角的影响。该网络通过补偿元件的重构组合及参数配置获得不同的输出增益,而无需重新设计松耦合变压器,简化了硬件电路。实验结果表明,该复合谐振补偿网络可以实现无线电能传输系统原边线圈及输出电流的负载无关性,同时满足开关管关断时的软关断,可用于实现煤矿安全监控系统中不同类型或型号传感器的恒流供电,有利于提高煤矿安全监控系统的可靠性及对不同负载的适应性。     

基于神经网络的迭代优化预测控制

针对时变的非线性系统,提出一种基于神经网络的迭代优化预测控制。它将传统的预测控制策略与神经网络逼近任息非线性函数的能力结合,预测系统未来输出,然后用迭代学习方法优化预测控制器,即通过一阶泰勒展开的方法,把非线性优化问题转化为线性优化问题。不仅简化计算,同时避免用神经网络优化控制器时,由于调节参数过多、涮前速度慢而导致系统闭环稳定性和鲁棒性差的问题。仿真结果表明,该控制方案具有良好的控制品质,并适应对象参数的变化,具有较强的鲁棒性和自适应性。     

一类非线性系统的稳定神经网络自适应控制

利用神经网络作为非线性系统的模型，研究了一类非线性系统的神经网络自适应控制问题，设计出的自适应控制器具有如下的特点：（１）网络仅值是基于参考误差信号学习的投影算法来调节，这样可保证权值的有界性；（２）为了减小神经网络参数估计误差对跟踪误差的影响，提出了根据参考误差信号实时修正神经网络输入的方法。仿真结果对该控制方案进行了验证。     

基于SP谐振补偿网络的ICPT系统鲁棒控制研究

针对系统参数摄动和外部扰动等不确定因素会影响感应耦合式电能传输系统的鲁棒性这一问题,设计一种基于H∞优化控制方法的鲁棒控制器。为方便系统鲁棒控制的研究,首先采用广义状态空间平均方程和线性分式变换方法建立感应耦合式电能传输系统的结构化不确定性模型,然后通过H∞优化控制方法设计基于该模型的鲁棒控制器并根据μ理论分析闭环摄动系统的鲁棒性,最后仿真得到系统的开环和闭环暂态响应曲线。结果表明采用H∞优化控制方法设计的控制器在保证该系统鲁棒性的同时,也能使系统负载电压快速达到稳定状态。     

Boost电路稳压输出的变系数模糊积分控制

由于分布式能源具有随机性,对输出电压需要进行稳定性控制;常规PID控制参数固定,系统鲁棒性不高,模糊控制不需要精确数学模型的建立就具有极好的鲁棒性,但不能消除稳态误差;结合两者的特性,对Boost电路的输出电压采用模糊与积分的混合控制,组成新的PID控制器,利用输出电压和参考电压的大小关系,提出变因子实时调节模糊输入输出及积分系数,以优化PID各部分在调节误差不同阶段的作用;仿真结果表明,在输入电压和负载发生突变时,所提方法能快速地消除稳态误差,达到极高的控制精度,提高了系统的鲁棒性;在不引入软启动电路的情形下也能大大降低启动时刻的过冲电压,降低对系统的硬件要求,所提方法可以为实际应用做理论准备.     

神经网络在PID控制器参数优化中的研究

研究PID控制器参数优化问题.工业过程控制要求稳定性,跟踪特性均应实时快速.由于PID控制效果取决于比例、积分和微分3个参数取值,传统PID参数采用试凑方式进行优化,往往费时且难以满足实时控制效果,导致控制精度不高.为了提高PID控制精度,改善系统性能,提出一种神经网络的PID参数优化方法.方法将PID控制器输入作为神经网络输入,最优PID控制性能作为神经网络的输出,通过神经网络的联想记忆能力和自学习适应能力,在控制过程中动态调整PID参数(比例、积分、微分),从而实现PID控制器参数实时优化,获得最佳PID控制效果.仿真结果表明,应用神经网络的PID参数优化方法提高了PID控制精度和系统响应速度,具有较强的自适应性和鲁棒性.     

基于模糊神经网络的变换器自适应控制方法

提出了一种新型的基于模糊神经网络自适应PI调节电流控制电压型PWM变换器方法.结合了模糊神经网络控制与PI控制器,根据三相电流比较产生的三相电流误差和电流误差变化率,自动调整P、I参数,提高了电流的控制精度和变换器的动态性能.采用MATLAB/Simulink对常规PI控制器和模糊神经网络自适应PI控制器进行了仿真对比.仿真结果表明了采用模糊神经网络自适应PI控制器,其系统输出的误差及误差变化要小,系统的跟踪精度得以提高,动态性能得到改善.     

基于RBF神经网络的改进多变量预测控制

针对一类多输入多输出非线性被控对象,提出一种基于单神经网络的预测控制算法,应用RBF神经网络对非线性系统进行辨识,并计算被控系统多步预测输出值.该方法通过对传统预测目标函数加以改进,给出一种带微分项的多步预测目标函数,通过迭代寻优实时给出优化控制量.该方法实时性好,简化了传统预测控制算法,加快了滚动寻优的速度,有效地抑制了系统惯性和输入时滞所带来的超调,减小了模型误差、干扰及不确定性对控制器的影响.仿真及应用结果表明了该方法的有效性.     

感应电能传输抗偏移非均匀发射线圈的优化设计方法

感应电能传输（Inductive Power Transfer,IPT）技术具有灵活、安全、可靠等优点,适于在人类活动空间内使用。IPT系统的传输效率与线圈之间的互感密切相关。传统均匀线圈IPT系统收发线圈间的互感,受两者间相对位置偏移变化的影响大,导致无线传输功率和效率变化剧烈,大大降低了技术的实用性。非均匀发射线圈具有良好的抗偏移能力,然而基于有限元仿真方法的非均匀线圈设计方法计算量大、实用性差。基于非均匀线圈与均匀线圈间互感的计算公式,采用遗传算法给出了非均匀抗偏移发射线圈的设计方法,并通过有限元仿真方法进行了验证。     

复杂网络下具有预测与自我调节能力的拥塞控制算法

现有拥塞控制算法在复杂网络环境下存在丢包率过大的问题。为此,通过研究网络拥塞的控制问题,提出一种具有预测与自我调节能力的拥塞控制算法。采用模糊神经网络的控制器预测网络拥塞,根据缓冲器中的队列长度进行实时预测,在发生拥塞前,通过抑制控制输入端的发送速率,并结合递增参数和递减参数等变量动态调节发送速率。实验结果表明,该算法在不同信噪比下能够保持较好的收敛效果,而且网络丢包率不受网络交换速率的影响,具有较好的稳定性与保真性。     

基于蚁群神经网络的工业自动化PID参数优化

针对常规方法无法获得最优PID控制器参数的缺点,提出一种基于蚁群神经网络的PID控制器参数优化方法（ACO-RBFNN）。ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入,系统输出为RBF神经网络期望输出,通过蚁群算法对RBF神经网络的参数进行优化,并通过RBF神经网络构造参数自学习的PID控制器,从而实现PID控制器参数在线优化。仿真实验结果表明,基于ACO-RBFNN的PID控制器可以得到令人满意的控制效果,可以应用于工业自动化控制系统的PID控制器参数优化。     

基于ZYNQ平台的测发控无线供电系统的设计与实现

针对地面测发控系统电能有线传输的局限性,以及人工操作带来的不便,设计一种基于ZYNQ平台的无线供电系统。系统采用感应式无线输电基本原理,设计系统结构由发送端和接收端组成。电能通过发送端传输到接收端,经过ZYNQ-7000平台的控制管理,将电能合理分配到负载,由上位机进行电能配置和信息显示。经实验测试实现了发送端12V输入下与接收端50W的负载在距离12mm以内系统功率稳定传输,并且负载电压在4-10V范围可调,效率可达75%以上,并能够实现信息监测和智能化管理,适用于测发控系统设备。     

基于SOM和RBF网络的软测量方法研究

为了解决工业生产过程中许多重要的参数无法精确测量或者实时测量的问题,提出一种基于自组织特征映射(SOM)神经网络和径向基函数(RBF)神经网络结合构建网络模型的预测方法;其中,RBF神经网络作为基础网络实现从输入层到输出层的线性映射,得出预测输出;SOM神经网络作为聚类网络对输入样本进行自组织分类,将分类中心及其对应的权值向量作为RBF神经网络径向基函数的中心;以钕铁硼氢粉碎过程优化控制为例,建立了合金氢含量的检测模型,并与RBF神经网络检测模型进行了对比;仿真结果表明该混合网络检测模型检测精度高,泛化能力强,证实了该方法的有效性.