多机电力系统模糊自适应控制

发电机组的励磁控制对于提高电力系统的暂态稳定性起着至关重要的作用。针对多机电力系统励磁控制模型,设计模糊自适应控制器。考虑到电力系统的状态不可测及多变量、非线性等特点,设计状态观测器,而后根据多机电力系统互联的实际情况,运用蚁群算法的寻优功能优化模糊规则,一定程度上改善了多变量系统控制中模糊规则繁多的问题。此方法使系统在保证了良好暂态稳定性的同时,降低了控制器的设计难度。仿真结果表明所设计的控制器能够快速有效地改善系统在大干扰下的暂态稳定性。     

多机电力系统模糊自适应控制

发电机组的励磁控制对于提高电力系统的暂态稳定性起着至关重要的作用.针对多机电力系统励磁控制模型,设计模糊自适应控制器.考虑到电力系统的状态不可测及多变量、非线性等特点,设计状态观测器,而后根据多机电力系统互联的实际情况,运用蚁群算法的寻优功能优化模糊规则,一定程度上改善了多变量系统控制中模糊规则繁多的问题.此方法使系统在保证了良好暂态稳定性的同时,降低了控制器的设计难度.仿真结果表明所设计的控制器能够快速有效地改善系统在大干扰下的暂态稳定性.     

模糊自适应控制在电力系统中的应用初探

本文就模糊自适应控制在电力系统中的应用作了一些初探，并在此基础上采用了部分解耦控制，从而能实现有功，无功分别调节。对以上的研究，作者作了数字机模拟，其结果与设想基本吻合，并且证明了系统的抗干扰能力有所提高。     

基于模糊观测器的多机耦合电力系统H∞跟踪控制

将多机耦合电力系统的每个单机子系统用一系列模糊逻辑模型逼近,每个模糊逻辑模型代表子系统在特定运行点的局部线性化模型,并采用模糊观测器来估计子系统的状态.基于该系列带有观测器的模糊模型,采用H∞模糊跟踪控制方法实现了多机耦合电力系统的稳定跟踪控制,并用线性矩阵不等式的凸优化方法求解控制器参数,以确保系统的全局渐近稳定性.仿真验证了方案的有效性.     

基于观测器的仿射型多机耦合电力系统H∞模糊跟踪控制

模型未知的仿射型多机耦合电力系统用一系列T-S模糊模型逼近,且模糊模型的结论部分具有常数偏差项.由于系统状态具有不可测性,采用模糊观测器来估计系统的状态.基于该系列模糊模型和观测器,考虑仿射模型固有的常数项偏差,提出一种新型模糊跟踪控制方法,并用线性矩阵不等式的凸优化方法求解控制器参数,实现了仿射型多机耦合电力系统的稳定跟踪控制.仿真验证了方案的有效性.     

多机电力系统自适应模糊稳定器的协调

本文提出了一种多机系统模糊稳定器的逆调－顺调协调方法。受扰后，对频率偏移振幅大的机组采用逆调；而频率偏移振幅小的采用顺调。所提的自适应模糊稳定器使调节方式随着频率偏移振幅的变化而变化。仿真试验证明了所提方法的有效性。     

多机电力系统自适应鲁棒Terminal滑模励磁控制

设计了多机电力系统发电机励磁的自适应鲁棒Terminal滑模控制器,将L2增益干扰抑制、自适应逆推法、Terminal滑模控制相结合,可以自适应估计发电机的不确定阻尼系数,对扰动具有鲁棒性。给出了控制器的设计过程。针对2区域4机系统的仿真结果表明,所设计的自适应鲁棒Terminal滑模励磁控制器能够快速抑制功率振荡,有效提高电力系统的暂态稳定性,并保持机端电压的恒定。     

电力系统的多机分散变结构励磁控制

本文提出一种非线性变结构励磁控制器,它结合了非线性微分几何方法及变结构控制理论的优点。     

非线性系统模糊间接自适应控制的后推设计

采用模糊神经网络作为非线性逼近器，针对一类一阶非线性多入多出系统，提出了一种具有扰动抑制的鲁棒自适应控制方法，给出了高阶多入多出系统具有扰动抑制的自适应后推(backstepping)设计方法。在鲁棒项合理简化的情况下，给出了系统Lyapunov意义下的稳定性证明，简略分析了各设计参数的物理意义及其对系统性能的影响。理论分析和仿真实验均显示，本方法可以保证系统的全局渐近稳定性，且若选取恰当的设计参数可保证系统对输入信号的跟踪达到任意精度；由于鲁棒项的引入可使系统的设计更具灵活性。     

多机电力系统参数自适应控制的设计理论与方法

针对一般形式的多输入多输出（MIMO）非线性微分代数系统的跟踪和系统参数的不确定性，利用M导数和M括号及其MIMO反馈线性化技术，在当系统的M关系度小于系统的阶数及其满足某些指定的条件下，得到微分代数系统模型的标准形式。根据线性系统控制理论及其跟踪目标的要求，给出了一般非线性控制规律的表达式。考虑到实际系统中的参数不确定性或未知性，难以预先构造非线性反馈控制规律来保证整个系统的稳定性，对于微分代数系统中存在参数不确定时，运用Lyapunov稳定性理论方法，采用适当的参数自适应方法来估计未知的不确定的参数值并加以修正，很好地实现了系统跟踪的控制目的。     

多机电力系统H∞滑模分散鲁棒励磁控制器设计

针对电力系统鲁棒励磁控制模型的非线性和不确定性等特点,提出了一种应用于多机电力系统的抑制不完全满足匹配条件干扰的分散鲁棒励磁控制律。首先通过反馈线性化技术预设反馈控制律将多机系统分散解耦,且控制律中均为本地可测量量,并对解耦后的系统设计了H∞滑模励磁控制器(HSMEC)。最后根据实际电力系统对暂态稳定和静态稳定的要求,结合HSMEC和线性最优励磁控制(LOEC)的优点,设计了HSMEC LOEC综合励磁控制器。仿真结果表明,所设计的控制器能够快速有效地稳定电力系统,且具有良好的动态性能。     

全方位移动机器人模糊自适应PID控制

针对全方位移动机器人,结合PID和模糊控制两者的优点,提出了一种模糊自适应PID(FAPID)的控制方法。对模糊自适应PID控制算法进行了理论分析,基于Matlab建立了全方位移动机器人的简化仿真模型。仿真研究表明,采用模糊自适应PID控制方法,系统的调节时间缩短,响应速度加快,抗干扰能力和适应参数变化的能力要优于常规的PID控制。     

电力机车PMSM自适应模糊滑模控制

为研究牵引工况下电力机车永磁同步电机(PMSM)的转速控制精度,考虑轮轨接触不平顺及车体静载荷在轮对径向产生的未知时变负载转矩,建立了机车PMSM在d-q坐标系下的数学模型。针对该耦合非线性系统中存在的负载转矩,设计非线性转矩观测器对其实际值进行估计,对观测误差采用自适应模糊逻辑系统进行逼近;为考察d轴电压过零跳变对转速控制及转矩观测性能的影响,在d轴电压控制器设计中引入Nussbaum函数,并依据Lyapunov稳定性理论,构造了基于转矩观测器的自适应模糊滑模控制器。理论分析及仿真结果表明,当转矩时变或d轴电压过零时,机车PMSM闭环转速控制系统跟踪误差一致有界,转矩观测误差收敛于0。     

基于遗传算法的超声波电机模糊自适应速度控制

行波接触型超声波电机是一种利用压电陶瓷的逆压电效应工作的新原理微特电机，与传统电磁型电机截然不同，其驱动力矩并非由电磁感应产生，而是由压电陶瓷超声频域的振动转化而来，参数的时变性，系统内在的非线性、系统的强耦合性等原因导致其动态和稳态数学模型难以获得。在未知控制对象精确参数及数学模型的情况下，该文提出一种新的超声波电机自适应速度控制策略。控制系统包括两个闭环，内环用来补偿由于温度变化造成的机械谐振频率漂移，可以增强响应的快速性与准确性，另一闭环为频率调节环，频率值由模糊控制器根据工作状态随时调整，其模糊控制规则基于遗传算法在线调节。系统较好地实现了设定的速度参考模型的自适应跟踪，具有控制灵活，适应性强的优点，又具有较高的控制精度和较好的稳定性。     

多机电力系统分散鲁棒励磁控制器的控制

提出了一种能够有效提高多机电力系统稳定性的分散鲁控制策略。采用发电机机端电压的相角和幅值表示发电机与系统其他部位的相互联系,并且针对由调速器的不稳定调节造成的发电机输入机械功率的波动,以及由电网中无功功率和有功功率的突然变化引起的发电机机端电压幅值与相角的扰动,应用鲁棒控制原理设计励磁控制器,从而实现多机电力系统的分散协调控制。仿真研究的结果表明了这种控制策略的有效性。     

多机电力系统参数自适应控制设计的模型与应用

针对具有非线性负荷的多机电力系统（MMEPS）励磁控制的跟踪和系统参数的不确定，采用非线性分代数系统（DNAS）的反馈线性化技术，得到相应的以电磁功率作为输入量的标准化控制方程，并给出相应的非线性控制规律的表达式，提出了参数自适应控制方程，并得到相应的非线性控制器的表达式，实现了具有非线性负荷的MMEPS的目标跟踪及其稳定性。     

多机电力系统的非线性PID励磁控制

将非经恶性循环ＰＩＤ控制引入多机电力系统励磁控制,这种控制方式既保留了线性ＰＩＤ控制的结构简单、易于实现、鲁棒中的优点,同时又克服了ＰＩＤ控制效果受线性化模型的缺点,计算机仿真结果表明,非线性ＰＩＤ控制器在不考虑多机之间参数协调的情况下,与发电机线性化最优励磁控制相比,控制效果相似,所设计的控制规律显著地改善了电力提态过程的动态响应。     

电力系统非线性鲁棒自适应分散励磁控制设计

利用反步法设计了多机电力系统中的非线性鲁棒自适应励磁控制方案,控制目标是调节发电机功角和频率至稳态运行点的极小领域,并使闭环系统对发电机阻尼系数和电抗参数的不确定性具有自适应能力,且对模型误差和外部有界干扰具备鲁棒性,同时保证各控制器是分散化和本地化的。采用4机系统进行的数字仿真结果表明,实施此方案能有效地提高发电机的功角稳定性。     

基于神经网络的永磁同步电动机模糊自适应控制

为了提高水磁同步电动机伺服系统控制性能，本文结合模糊控制和前馈神经网络各自的特点采用了一种神经网络在线自学习模糊自适应控制结构，利用模糊推理机产生的分目标学习误差取代反馈控制输出信号来训练神经网络，这种控制策略是学习和控制同时进行，实时性、鲁棒性都比较好。