基于多变量参考的风电机组解耦控制方法及仿真验证

变桨变速型风电机组分别采用变桨和转矩调节控制模式。解耦控制被用于平滑切换2种控制模式,避免转矩与变桨调节同时作用或频繁切换带来的机组转速和功率振荡问题。提出一种基于变桨角度、转矩输出、发电机转速等多种变量参考的变桨转矩解耦控制方法,并引入时间迟滞判断条件,实现转矩控制和变桨控制的解耦。采用上述解耦控制策略,基于PLC可编程控制器、Bladed仿真软件构建了3 MW双馈型风电机组控制系统及仿真模型。结果表明,额定风况附近,风电机组平均功率波动在±50 k W以内,统计功率曲线达到设计功率曲线要求,可满足额定风况附近风电机组的控制需求。     

变转速风力机额定风速以上的非线性控制 ——恒功率输出控制问题

讨论了额定风速以上时变转速风力机的控制问题,系统采用基于微分几何理论下的浆距角和触发角双输入控制,变转 速风机是一个带有大范围风速的多输入产多输出 非线性系统,通过坐标变换,使非线性系统转化为一个标准的线性系统。     

无模型控制方法对多变量耦合系统控制的应用研究

以工业生产中具有耦合环节的控制问题为背景，讨论了多变量耦合系统的控制问题．指出各环节之问的耦合可以看成是相互问的干扰，因而克服耦合问题则变成抑制干扰的问题．无模型控制方法具有较好的抑制干扰的能力，用无模型控制方法对多变量耦合系统进行控制可收到良好的效果．     

多变量自学习动态解耦控制

针对多变量系统提出自学习动态解耦控制算法,该控制算法设计简单,具有较好的动态和静态性能,能实现在线实时动态解耦。     

自适应神经元非模型多变量优化补偿控制*

根据解耦补偿和优化控制的思想，本文提出了一种完全不依赖于对象模型的自适应神经元多变量优化补偿器模型，命同了神经元权系统的在线学习方法，分析了其工作机理，进一步给出在某多侧线精馏塔和连续搅拌釜式反应器（ＣＳＴＲ）上的仿真结果。     

高压饱和气体制备系统饱和室多变量控制研究

高压饱和气体制备系统的饱和室出口压力、流量和温度调节系统是一个相互耦合的三输入三输出系统。针对以上特点采用部分解耦控制策略,压力—流量调节子系统采用静态解耦的专家控制方式,温度调节子系统采用串级模糊PID控制方式。通过仿真试验证明这种控制策略能够获得良好的控制效果。     

电加热反应器温度的多变量广义开环解耦控制

多段电加热反应器的温度对象是一个存在着严重耦一听多变量，工且呈现一定非线性特性，因此，采用各回路单独调节方式很难对其进行快速，平稳和准确的控制。针对这一问题，本文设计了新型的多变量广义开环解耦控制器，并在小型反应装置上实施：结果表明该控制器控制效果好，容影印件实现并且具有较强的鲁棒性。     

多变量解耦控制系统设计与仿真

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

基于神经网络的多变量非线性自适应解耦控制研究

提出神经网络前馈自适应解耦控制算法．该算法将多变量非线性系统在平衡点处利用Taylor公式展开．分为线性部分和高阶非线性部分。这样．将高阶非线性部分的影响视为可测干扰，采用前馈补偿的方法加以消除．就可以借助多变量线性系统的自适应解耦控制算法．实现多变量非线性系统的自适应解耦控制．这种方法可以取消被解耦系统为最小相位的限制。     

多变量模糊预测控制及其应用研究

将文献「３」的单变量模糊预测控制方法加以推广，提出一种多变量模糊预测控制算法，并将其应用无机组负荷控制系统。仿真结果表明，所提出的多变量模糊预测控制方法是有效的。     

多变量模糊神经网络控制器的研究

提出一种MIMO系统的模糊神经网络控制器结构,阐述了基本设计思想和具体算法过程。应用实例仿真结果表明,它可用于控制强耦合带时延多变量系统,并使系统具有良好的动态和静态性能。     

一类多变量非线性动态系统的模糊自适应控制

对一类非线性多变量未知动态系统，提出了一种模糊处在适应控制策略。证明了该控制算法能保证闭环系统稳定，跟踪误差收敛。     

水泥分解炉出口温度的多变量模糊控制

以2 000 t/d新型干法水泥分解炉为研究对象,使用前馈-负反馈的多变量模糊控制方法,实现了分解炉出口温度的控制。建立了水泥分解炉出口温度数学模型(MISO),使用VC++6.0对水泥分解炉出口温度多变量模糊控制与常规的PID进行仿真对比研究。研究结果表明:前馈-负反馈的多变量模糊控制效果优于传统PID控制。为便于工程实现,采用西门子WinCC6.0为OPC服务器端,自行开发的分解炉出口温度VC多变量模糊控制软件为OPC客户端,通过OPC接口成功地实现了二者间的数据通信,且系统运行稳定、效果良好,具有很强的实际应用意义。     

基于模糊动态模型的多变量系统模糊控制

采用模糊动态模型对多变量复杂非线性系统进行模糊控制.首先针对局部线性动态模型设计状态反馈控制器,然后利用模糊推理确定整个系统的控制;在一系列局部模型通过模糊隶属函数连接得到的连续的全局模型中,全面考虑其它关联子系统对标称线性系统的摄动,并利用大系统分散控制关联稳定性的概念和方法,得到了闭环模糊系统稳定的充分条件.仿真例子验证了该设计方法的正确性.     

多变量系统的模糊神经网络控制模型及其应用

本文综合模糊控制系统与人工神经网络的优点，提出了一种多变量系统的模糊神经网络控制模型并给出了其建模方法，该方法适合于多变量系统的建模及其模糊控制器的设计。笔者以此方法建立了渣贫化电炉生产过程的模糊神经网络控制模型并开发出相应的决策支持系统，该系统自１９９２年６月投入生产现场使用以来，一直稳定可靠地正常运行，取得了令人满意的效果和显著的经济和社会效益。     

风力发电机组的变论域自适应模糊控制

建立了变速变浆距风力发电机组的简化模型。在此基础上，将变论域自适应模糊控制应用到风力发电机组的转速和浆距控制系统中，改善风力发电机组的风能捕获性能。变论域自适应模糊控制器在保持规则形式不变的前提下。论域随着误差的变化而变化。这种控制器不但具有经典模糊控制的优点，如不需要精确的数学模型，产生非线性控制动作，良好的动态性能等．而且具有较高的控制精度。仿真结果证明该方法改善了风力发电机组的控制性能。     

一种新型多变量模糊自适应控制系统的研究

针对多变量非线性系统,提出了一种基于动态耦合特性的两级串联结构的模糊自校正控制器,并提出了基于动态灵敏度矩阵和在线测量的自学习算法.同时利用一种智能梯度法确定自校正学习迭代步长.仿真结果表明,算法的收敛性和系统的稳定性均有所改善.利用这些控制策略,可以较好地解决化工反应器等复杂对象的过程控制问题.     

一类多变量非线性系统的自适应模糊控制

针对一类具有干扰和不确定性的多变量非线性系统, 提出了一种自适应模糊控制方法. 该多变量系统由 m 个互连子系统组成, 每个互连子系统中的未知函数是非仿射的. 由于不确定非仿射函数的存在和互连子系统之间的耦合, 这类系统是很难控制的. 通过利用均值定理、模糊系统、Backstepping 设计方法以及引入 Nussbaum 类型函数, 克服了这个困难. 另外, 与大多数研究结果相比较, 提出的方法减少了在线调节参数的数量. 提出的控制方法能实现闭环系统的所有信号是有界的. 仿真实验表明该控制方法的有效性.     

Robust Wind Speed Estimation and Control of Variable Speed Wind Turbines

In this work, a robust control scheme for variable speed wind turbine system that incorporates a doubly feed induction generator is described. The sliding mode controller is designed in order to track the optimum wind turbine speed value that produces the maximum power extraction for different wind speed values. A robust sliding mode observer for the aerodynamic torque is also proposed in order to avoid the wind speed sensors in the control scheme. The controller uses the estimated aerodynamic torque in order to calculate the reference value for the wind turbine speed. Another sliding mode control is also proposed in order to maintain the dc‐link voltage constant regardless of the direction of the rotor power flow. The stability analysis of the proposed controller under disturbances and parameter uncertainties is provided using the Lyapunov stability theory. Finally, the simulation results show that the proposed control scheme provides a high‐performance turbine speed control, in order to obtain the maximum wind power generation, and a high‐performance dc‐link regulation in the presence of system uncertainties.