基于最小二乘支持向量机优化自抗扰控制器的永磁同步电机直接转矩控制方法

针对传统PI调节器的缺陷,提出一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)优化自抗扰控制器(active-disturbance rejection control,ADRC)的永磁同步电机直接转矩控制方法。以给定转速和实际转速作为输入信号,以给定电磁转矩作为输出信号,设计了ADRC速度调节器;在此基础上,在回归模型中选取高斯径向基核函数,深入分析了将LSSVM回归模型有效嵌入ADRC调节器的实现方法,实现对ADRC控制器的优化,以提高ADRC观测精度及系统动态响应速度,很大程度上降低了电机参数变化和负载扰动对系统的影响,进一步改善了系统的抗干扰能力。仿真和实验结果验证了该方法的可行性和有效性。     

基于最小二乘支持向量机控制器的研究

阐述了支持向量机与最小二乘支持向量机的特点,设计了基于最小二乘支持向量机的控制器,该控制器构成的系统学习与泛化能力强、抗干扰效果好,并利用垃圾焚烧炉的估计模型进行了仿真.仿真结果表明,该方法抗干扰效果好,适应性强.     

基于最小二乘支持向量机逆系统的五自由度无轴承同步磁阻电机解耦控制

针对三自由度交直流混合磁轴承和二自由度无轴承同步磁阻电机构成的五自由度无轴承同步磁阻电机,实现磁轴承的径向悬浮力、轴向悬浮力、二自由度无轴承同步磁阻电机的径向悬浮力和电磁转矩的解耦控制是五自由度无轴承同步磁阻电机稳定运行和精确控制的必要条件。该文在介绍五自由度无轴承同步磁阻电机基本结构的基础上,建立了三自由度交直流混合磁轴承和二自由度无轴承同步磁阻电机的数学模型,进而建立了五自由度无轴承同步磁阻电机的状态方程,并进行了可逆性分析。采用最小二乘支持向量机所具有的小样本逼近和辨识拟合能力,得到五自由度无轴承同步磁阻电机逆模型,根据逆系统方法的基本原理,将复杂的原非线性多变量耦合系统解耦成多个单输入单输出伪线性系统,并设计了闭环PID控制器。仿真和实验表明,电机具有良好的速度和悬浮特性,这种解耦方法能够实现五自由度无轴承同步各个被控量之间的动态解耦,并且系统具有良好的动静态性能。     

基于自适应最小二乘支持向量机逆系统的链式STATCOM控制策略

对链式静止同步补偿器(static synchronous compensator,STATCOM)建立了非线性数学模型,采用逆系统反馈线性化的方法,构造了伪线性系统,并且将系统实现解耦。由于开关管IGBT的变化随时性及模型的不确定性,常常引起非线性模型参数的变化。为了解决这一问题,采用最小二乘支持向量机自适应地估计动态的模型非线性部分,通过反馈的方式加入到逆系统的输入端,从而补偿掉实际系统模型中的非线性部分,实现真正意义上的伪线性模型。由于是线性系统的解耦模型,采用线性二次型最优控制算法,实现配电网的无功补偿。仿真和实验结果表明,所提的算法很好地解决了配电网的无功补偿问题,且具有很好的鲁棒性和动态性能。     

两电机变频系统的支持向量机广义逆内模解耦控制

针对两电机变频系统非线性强耦合的特点,提出基于支持向量机广义逆内模控制的方法。对工作在矢量控制方式下的两电机变频系统数学模型进行广义逆存在性分析,从而得出系统广义逆数学表达式。通过支持向量机来辨识原系统的广义逆系统,然后对复合后所得到的伪线性系统引入了内模控制。该方法结合了支持向量机在小样本上具有良好的非线性建模能力和泛化能力,以及内模控制器易于在线设计的优点,同时兼顾系统的鲁棒稳定性,从而可以有效提高系统的控制效果。仿真和实验结果表明,该方法具有良好的动静态解耦性能,对外界扰动亦有很强的鲁棒稳定性。     

基于最小二乘支持向量机的传感器动态系统辨识方法

在介绍和比较标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)原理的基础上,提出了一种利用LS-SVM模型进行传感器动态系统辨识的方法,并给出了相应的过程和算法.与标准SVM模型比较,该方法优点是明显的:(1)用等式约束代替标准SVM算法中的不等式约束;(2)将求解二次规划问题转化为直接求解线性矩阵方程,使得在相同条件下,系统辨识速度提高1～2个数量级,辨识误差降低50%.因此,LS-SVM模型速度快,抗噪声干扰能力强,更适合传感器动态系统建模.     

基于支持向量机逆系统的无轴承异步电机非线性解耦控制

无轴承异步电机是非线性、多变量和强耦合的系统,实现其电磁转矩和径向悬浮力之间的动态解耦控制是电机稳定悬浮运行的关键。本文采用基于最小二乘支持向量机(LS-SVM)α阶逆系统的方法对无轴承异步电机进行解耦控制。将用LS-SVM辨识出的无轴承异步电机逆系统串联在原系统之前,使复杂的非线性原系统解耦成四个独立的伪线性子系统——两个径向位移子系统、一个速度子系统和一个转子磁链子系统,然后根据线性系统理论进行系统综合。最后的仿真试验研究表明,基于LS-SVMα阶逆系统方法能够实现无轴承异步电机悬浮力和旋转力之间的动态解耦控制。     

自抗扰控制器解决变频调速系统参数鲁棒性问题

针对一般矢量控制系统存在的对电机参数时变的鲁棒性差,转矩子系统与磁场子系统耦合,没有实现全局解耦这个问题,将不用于常规PID控制的新型控制策略--自抗扰控制引入交流变频调速系统,提出了一种变频调速系统新型控制结构,并利用其扩张状态观测器的扩张状态及非线性组合器消除一般矢量控制系统参数鲁棒性差的缺欠.理论分析与仿真实验表明,该控制策略可以有效地解决矢量控制系统参数鲁棒性差造成转矩与磁场耦合影响系统动、静态性能的问题.     

模糊自抗扰控制器在两电机同步系统中的应用

设计了一个模糊自抗扰控制系统,将系统的总扰动以及速度张力之间的耦合影响等统一视为系统的"扰动",利用扩张状态观测器进行观测并加以补偿,使得控制对象被近似线性化和确定性化,同时采用模糊控制器在线对自抗扰控制器参数进行修正,以实现自抗扰控制器的参数自整定,提高自抗扰控制器的性能。结合S7-300PLC构建实验平台,进行了速度突减、三角波跟踪实验。实验结果表明:与传统PID控制相比该控制策略不仅实现了速度和张力的动态解耦,而且     

基于最小二乘算法的模糊支持向量机控制器及其应用

介绍了一种基于最小二乘算法的模糊支持向量机控制器，它将模糊控制与支持向量机结合起来，融合了两者的优点，既有不依赖被控对象模型又有泛化能力强等特点。同时采用混合学习算法来优化控制器参数，即先采用最小二乘算法离线优化支持向量机(SVM)性能参数，建立SVM控制系统，再根据对象的变化，采用遗传(GA)算法在线学习优化SVM性能参数和模糊比例因子，以使控制器的性能能适应对象的变化而达到最优。火电厂主汽温控制的仿真结果表明这种控制器具有良好的控制性能。     

基于最小二乘支持向量机的多变量逆系统控制方法及应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,解决逆模型辨识问题,讨论了基于最小二乘支持向量机(least squares support vector machines,LS-SVM)的多变量逆系统解耦控制方法。通过分析LS-SVM的函数拟合特性,离线建立被控对象的非线性逆模型,将得到的逆模型直接串接在原对象之前,原系统被解耦成多个独立的单变量伪线性子系统。为克服直接逆模型的建模误差,提高系统鲁棒稳定性,提出了复合控制方法,其中直接逆模型作为前馈控制器,而用PID控制器作为反馈控制器。文中还分析了球磨机控制系统的特点,并进行了仿真控制研究,仿真结果表明该复合控制方法不依赖于系统的精确数学模型,且解耦能力强、鲁棒稳定性好、跟踪精度高。     

两电机变频调速系统的神经网络广义逆解耦控制

两电机变频调速系统是一个多输入多输出(multi-input multi-output,MIMO)非线性强耦合的控制系统。神经网络广义逆控制方法不但可以实现MIMO系统的线性化与解耦,而且通过合理地调节广义逆系统的参数,可以使解耦后的单输入单输出(single-input single-output,SISO)系统具有开环稳定的特性,从而有利于系统的综合。论文对变频器工作在矢量控制方式下的系统数学模型进行广义逆存在性分析,进而导出系统的广义逆数学表达式。进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统。基于S7-300PLC试验平台,分别研究伪线性复合系统的开环特性和闭环特性,试验结果表明神经网络广义逆控制方法不但可以实现系统的解耦,而且可以使伪线性化后的子系统开环稳定,附加闭环控制器的问题就迎刃而解。     

基于负荷混沌特性和最小二乘支持向量机的短期负荷预测

以负荷时间序列的混沌特性为基础,结合混沌时间序列的相空间重构理论和支持向量机的回归理论建立了一种基于负荷混沌特性和最小二乘支持向量机的短期负荷预测模型。首先将原始负荷数据进行相空间重构,形成相点序列,然后选择与当前相点最邻近的相点作为此负荷预测模型的训练样本,经过训练寻求决策函数后就可以求出包含预测点的相点,最后还原此相点得出预测值。通过与BP神经网络的预测结果进行比较,证明了该模型在短期负荷预测中的有效性。     

基于最小二乘支持向量机和自适应模拟退火算法的电磁场逆问题全局优化方法

分析了目前电磁场逆问题全局优化算法存在的收敛速度慢以及搜索时间长等问题的主要原因,并针对以上问题提出了基于最小二乘支持向量机和自适应模拟退火电磁场逆问题优化新算法,充分利用了自适应模拟退火算法中丢失的已搜索过点的信息,动态地建立和改进待求问题的数值模型,指导最优解的搜索过程,大大减少了求解电磁场正问题的求解次数,缩短了搜索到最优解的时间,通过仿真实验以及实际应用的对比,效果显著,提高了电磁场优化设计的实际应用能力。     

High-Performance Control of High-Speed Permanent Magnet Synchronous Motor Based on Least Squares Support Vector Machine Inverse System Method

This paper proposes a decoupling controlfor HS-PMSM based on the LS-SVM inverse system.In addition, the on-line LS-SVM inverse controller is developed for the pseudo-linear system. To achieve the high-accuracy stator flux estimation, a stator flux estimator is proposed and implemented for the HS-PMSM. A BPFC is designed to eliminate the magnitude and the phase errors. According to the comparative simulation and experiment results, the utility of the proposed control strategy is demonstrated by the improved decoupling control performance, the enhanced speed tracking performance, the strong load anti-perturbation performance, and the high-accuracy flux estimation at the wide speed range.     

基于最小二乘支持向量机的短期负荷预测

提出了结合粗糙集(rough sets,RS)理论和遗传算法(genetic algorithm,GA)的最小二乘支持向量机(least squares support vector machines,LS-SVM)短期负荷预测模型和算法。由于影响负荷预测精度的因素众多, 该模型采用RS理论进行历史数据的预处理,对各条件属性进行约简分析。属性约简采用GA进行寻优,以确定与负荷密切相关的因素,作为LS-SVM的有效输入变量。在预测过程中,通过GA对LS-SVM的模型参数进行自适应寻优,从而提高负荷预测精度,避免LS-SVM对经验的依赖以及预测过程中对模型参数的盲目选择。采用上述方法对山东电网负荷进行了预测分析,结果证明了该方法的有效性。     

基于变量选择的锅炉NO_x排放的最小二乘支持向量机建模

电站燃煤锅炉是大气NOx污染的主要来源之一,建立有效的NOx排放模型是锅炉优化降低NOx的基础。针对热工过程变量之间的强相关和耦合性,利用偏最小二乘方法(partial least squares,PLS)对多工况实炉热态测试数据进行重要变量(variable importance in projection,VIP)信息提取和变量选择(variable selection,VS),把最优的变量子集作为最小二乘支持向量机(least squares support vector machine,LSSVM)的输入,最终得到NOx排放的VS-LSSVM模型。最优的输入变量个数通过留一交叉验证法获取。并将该模型与其他建模方法进行对比,结果表明通过变量选择后建模可以降低模型的复杂度,提高模型的泛化能力。