基于PSB的迭代学习励磁控制的仿真研究

基于迭代学习控制理论提出了一种非线性迭代学习律,并将它应用于同步发电机的励磁控制中,采用SIMULINK／PSB软件对单机-无穷大系统进行仿真,结果表明该方法的有效性和一般性,改善了控制性能、具有很强的维持机端电压的能力,与常规的PID控制器和线性迭代学习律相比较,收敛速度得到很大提高,有利于提高电力系统稳定性。     

同步发电机励磁控制器设计

针对基于开环迭代学习控制的同步发电机励磁控制器存在稳定性差、易受干扰影响、不能完全跟踪期望轨迹的问题,设计了一种基于开闭环PID迭代学习控制与电力系统稳定器结合的同步发电机励磁控制器;在开环迭代学习控制的基础上,引入闭环反馈控制,将上一次的输入和输出误差及当前的输出误差作为当前的控制输入,从而构成开闭环PID型迭代学习控制;同时,利用电力系统稳定器提供的附加正阻尼信号来改善同步发电机励磁控制系统的电压稳定性和功角稳定性。仿真结果表明,该励磁控制器具有较强的鲁棒性,提高了系统稳定性。     

基于PSB的新型励磁控制器的研究

介绍了将迭代学习控制理论应用于同步发电机励磁控制中,通过迭代学习改善控制性能,具有结构简单,鲁棒性强的特点,改善了机端电压的品质.采用Simulink/PSB在单机-无穷大系统中进行了静态和暂态稳定的仿真研究,结果表明,该励磁控制方式的有效性,有利于提高电力系统的稳定性.     

新型同步发电机励磁控制器的设计

针对传统的基于迭代学习控制算法的同步发电机励磁控制器存在初始控制信号由经验确定的问题,提出了一种基于即时学习型迭代学习控制算法的同步发电机励磁控制器的设计方案。该方案在迭代学习控制算法中引入即时学习算法,利用即时学习算法计算初始控制信号,有效减少了初始控制信号与理想控制信号之间的误差。仿真结果表明,该励磁控制器收敛速度快,具有更强的维持机端电压的能力。     

迭代学习控制在励磁控制器设计中的应用

将迭代学习控制理论应用于励磁控制器的设计中,提出了一种新的设计方法,克服了迭代学习控制在有限时间区间上实现完全跟踪的限制.该方法设计的控制器结构简单,可获得较佳的静态和动态特性.采用MATLAB/Simulink软件对单机-无穷大系统进行仿真,结果表明了该方法的有效性和一般性.     

同步发电机初态学习与PSS结合的励磁控制

为了解决开环迭代学习励磁控制器对大干扰耐受力差、对初始定位要求严格的问题,针对多机电力系统,设计了具有初态学习的开闭环迭代学习控制(ILC)+PSS的励磁控制器。该控制器在开环ILC的基础上,引入机端电压闭环反馈信号,另外为放宽对初态的要求,允许有一定的初始定位误差,对算法还进一步改进,初态也进行学习,同时还结合PSS提供的正阻尼能力,以增强系统的功角稳定性。最后,仿真结果表明,该励磁控制器不但能快速达到机端电压的调节精度,而且改善了系统的功角稳定性。     

可变学习增益的迭代学习控制律

基于迭代学习控制理论提出了一种可变学习增益的迭代学习律,在非线性系统中对期望轨迹进行跟踪,与学习增益不变的迭代学习控制相比较,收敛速度得到很大的提高;通过对其收敛性进行严格的数学证明,得到了迭代学习律收敛的充分条件;在单机无穷大系统中,将该控制律应用于同步发电机的励磁控制,仿真结果表明该控制律的有效性,改善了控制的动态特性,有利于提高电力系统稳定性.     

基于迭代学习控制的PID控制器的设计方法

研究了迭代学习控制在前馈和反馈环节上的结构原理,克服了迭代学习控制必须在有限时间区间上实现完全跟踪的限制,依据迭代学习控制的特点,提出了两种拟合PID控制器参数的新方法.并进行了仿真实验,充分证明了该方法具有一般性和实用性.     

微机非线性励磁控制器的实现及应用

本文结合一个电厂的发电机励磁系统的具体实全离发电机励磁原理,详细描述了微机非线性励磁控制的硬件结构设计、处理过程及可靠性设计,对比自动励磁调节器阐明了微机非线性励磁控制器性能特点。应用效果。     

基于迭代学习控制的电液伺服振动台研究

振动台台面试件运动高精度跟踪模拟地震波,是模拟地震振动台试验的要求.由于电液伺服系统振动台的非线性影响,应用传统PID控制器加载地震波时,振动台台面试件上会产生较大的误差,难以得到期望的输出.在采用传统PID控制器的基础上,增加基于迭代学习控制算法的外闭环构成双闭环控制系统,可以弥补单闭环控制系统对试件上控制精度不足的问题,迭代学习算法由计算机实现简单方便,仿真结果表明该方法能够很好地消除试件上的输出误差,只要选择合适的算法参数,就能够对期望的试件运动轨迹进行精确跟踪.     

基于反馈控制的迭代学习控制器设计

针对具有不确定项或干扰项的重复非线性时变系统,提出了基于反馈控制的迭代学习控制器,其中迭代学习控制器设计为高阶PD型,它以前馈的形式作用于对象,在满足一定的收敛性条件下,证明了该控制器的跟踪误差界是系统初始状态误差界和系统输出干扰项界的线性函数,同时改变反馈增益可以调整系统的最终跟踪误差界,仿真与实验均表明了该方法的有效性。     

同步电动机励磁控制器的设计要点

本文介绍同步电机的运行方式，作为电动机运行时对励磁控制的要求以及传统励磁控制器的缺点，并提出了全数字式同步电动机晶闸管励磁控制器的改进设计方法。     

An Iterative Learning Control of Nonlinear Systems Using Neural Network Design

In this paper, a feedforward neural network with sigmoid hidden units is used to design a neural network based iterative learning controller for nonlinear systems with state dependent input gains. No prior offline training phase is necessary, and only a single neural network is employed. All the weights of the neurons are tuned during the iteration process in order to achieve the desired learning performance. The adaptive laws for the weights of neurons and the analysis of learning performance are determined via Lyapunov‐like analysis. A projection learning algorithm is used to prevent drifting of weights. It is shown that the tracking error vector will asymptotically converges to zero as the iteration goes to infinity, and the all adjustable parameters as well as internal signals remain bounded.     

SIMULINK仿真模型稳定性的研究

该文以同步电机为例,介绍了根据系统微分方程,应用MATLAB SIMULIK软件包构造两种SIMULINK仿真模型的方法。根据派克坐标变换,将同步电机在abc坐标下的数学模型变换为dq坐标下同步电机数学模型;利用后向欧拉法将dq轴下同步电机数学模型中微分方程进行变换,形成另一种同步电机数学模型。运用SIMULINK软件构建这两种同步电机仿真模型,然后,再应用这两种仿真模型搭建两个简单的电力系统来做仿真试验,并讨论两种仿真模型仿真方法的稳定性。仿真结果显示,该模型与仿真方法是正确的,进而扩展了SIMULINK仿真模型的实用范围。     

一种新型的迭代学习控制器设计研究

针对一般连续系统的迭代学习控制问题进行了讨论,通过对常用的P型迭代学习控制算法的分析,在分析比较P型、PD型迭代学习控制律存在问题的基础上,提出了一种新型的迭代学习控制算法,利用误差信号以及相邻两次误差的差值信号对系统控制律进行逐次修正,既能避免PD型迭代算法由于微分作用而出现的不良影响,又可以充分地利用了系统已保存的有效信息,从而实现良好的跟踪效果以及较快的跟踪收敛速度,最后通过对一非线性连续系统的仿真,结果验证了算法相对于传统P算法的有效性与优越性.     

PCC励磁调节器的应用

PCC因为其可靠性和可扩展性被引入励磁调节器实现方案。本文介绍了一种基于IP161的励磁调节器,描述了其测频、测相、交流采样、脉冲形成等高速任务的实现原理,给出了现场试验波形。最后在控制性能和可靠性方面与常规DSP励磁调节器做了对比。