高阶系统的奇异摄动模型的平衡降阶

随着控制理论和电子计算机技术的迅速发展,尽管为研究与设计高阶复杂系统提供了方便的条件,但是对复杂高阶系统进行模型简化仍然是控制系统设计与仿真工作者的一个重要研究课题.针对奇异摄动模型的平衡降阶方法,提出了采用时矩输出拟合来改善降阶系统输出响应逼近程度的改进方法,通过给出的实例仿真证实了这一点.     

基于奇异摄动理论的非仿射系统的输出调节问题

基于奇异摄动的时标分解理论和动态逆设计的方法,研究了一类非仿射非线性系统的输出调节问题.通过将控制律定义为一个快动态系统的解,得到了指数稳定的误差系统状态方程,从而实现了原系统的输出相对于外系统的参考信号具有零误差的跟踪效果.结果表明在满足标准假设和一组偏微分方程有解的前提下,该输出调节问题是可解的.仿真实例表明了该理论方法的有效性.     

基于多模型分解的内模极点配置控制

通过对受控对象模型的并行结构分解,引入多重输出误差反馈,构成了一种新的内模控制结构。理论分析表明,采用该内模控制结构,只要适当选择输出误差反馈增益,可实现闭环系统极点的任意配置。文中给出了输出误差反馈增益的选择方法与实际例子。     

基于CEEMDAN的MEMS加速度计输出信号降噪方法

针对微机电系统(MEMS)加速度计输出信号存在误差,导致高压输电杆塔倾斜监测系统的输出倾角数据精确度不高的问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)联合奇异值分解(SVD)对杆塔的加速度计输出信号降噪方法。利用CEEMDAN对原始加速度计输出信号进行分解,得到一系列模态分量,分别计算其排列熵(PE),筛选出特征分量和含噪特征分量,然后再将需进一步降噪的特征分量通过SVD进行二次滤波,最后将降噪后的特征分量与未处理的特征分量进行叠加即得到降噪后的加速度计输出信号。仿真实验结果表明,所提出的方法可以有效地抑制噪声干扰,通过与扩展卡尔曼滤波和CEEMDAN-PE对比说明该方法滤波效果更好,有效提高了加速度信号分析精度和杆塔倾斜角测量精度。     

TISO-OEAR模型的分解递推最小二乘辨识方法

针对输出误差模型参数估计过程中的计算量较大的问题,提出了基于分解的两输入单输出（TISO）输出误差自回归模型（OEAR）的分解递推最小二乘（DRLS）算法．基本的思想是分解TISO系统为3个子系统,并通过递推最小二乘分别辨识每个子系统．DRLS算法是解决大规模系统的计算量大和复杂辨识模型的辨识难题的一种有效的方法．最后通过仿真实例验证和分析了所提出算法的有效性与优越性,并对两种算法的特点进行了总结．     

基于模型诊断的分步求解

对诊断问题的分解进行研究,给出了候选诊断的分解与组合定理.在此基础上,提出了利用分步求解方法实现诊断分解的算法,并对算法的正确性、完备性和复杂性进行了证明.实验结果表明,分步求解方法明显提高了包含多个输出的系统的诊断效率.与利用变量假定例化值分解诊断问题的方法相比,该算法能提高了效率并且扩大了适用范围.     

基于单位分解的一类非线性不确定系统跟踪控制设计

利用单位分解在紧致域上能够以任意给定精度逼近连续函数的性质,针对一类不确定非线性系统设计了带有自适应律的鲁棒自适应跟踪控制器．结果表明这种控制器可以使输出跟踪误差渐近收敛到零点的一个小邻域内,并保证闭环系统的所有状态一致有界．最后的仿真实例说明了该方法的有效性．     

改进的时钟偏斜误差校正方法的FPGA实现

利用改进的完美重构方法对多A/D采样系统的时钟偏斜误差校正方法进行了FPGA实现。采用自顶向下和模块化的设计方法,实现了多路采样数据的相位同步模块、数据位置映射模块、并行多相滤波器组模块以及多路数据合成模块。对完美重构方法中的滤波器组运用多相分解技术将其化为并行结构滤波器组,对输出数据采用流水线结构加法器组进行处理,降低了系统运算延迟,提高了系统的实时性。在MATLAB和Model Sim中进行仿真,结果表明了该实现的正确性和有效性。     

基于奇异摄动理论的非仿射系统的输出调节问题

基于奇异摄动的时标分解理论和动态逆设计的方法,研究了一类非仿射非线性系统的输出调节问题.通过将控制律定义为一个快动态系统的解,得到了指数稳定的误差系统状态方程,从而实现了原系统的输出相对于外系统的参考信号具有零误差的跟踪效果.结果表明在满足标准假设和一组偏微分方程有解的前提下,该输出调节问题是可解的.仿真实例表明了该理论方法的有效性.

     

基于数据的改进回声状态网络在高炉煤气发生量预测中的应用

以钢铁企业高炉煤气系统这一复杂生产过程为背景, 针对高炉煤气发生量的预测问题, 提出一种基于数据的网络模型预测方法. 鉴于生产数据含噪高的特点, 采用经验模态分解将历史数据分解为若干独立的固有模态函数, 将小尺度函数经低通滤波器自适应去噪后, 再对数据重构以建立预测模型. 在建模过程中提出一种改进的回声状态网络, 通过奇异值分解求取网络输出权值, 克服了线性回归算法出现的病态问题, 提高了模型的预测精度. 现场实际数据预测结果表明所提出方法的有效性, 为制定煤气管网平衡调度方案提供科学的决策支持.     

模型的快速降阶技术

为快速进行模型的降阶,结合平衡截断（Balanced Truncation,BT）方法和特征正交分解（Proper Orthogonal Decomposition,POD）方法提出一种模型降阶方法.该方法采用频域POD快照矩阵低阶逼近系统的可控、可观Gram矩阵;通过奇异值分解（Singular Value Decomposition,SVD）提取BT＋POD模态,对低能量模态截断形成降阶子空间,并将其映射到全阶系统,从而形成基于状态空间的降阶模型（Reduced Order Model,ROM）;该模型就成为全阶模型（Full Order Model,FOM）的ROM.通过对阶数n=406的LTI SISO系统和阶数n=9的2区间电力系统进行的验证表明,在保留BT方法输入输出平衡特性的基础上,该方法效率高于BT方法.     

An actuator fault reconstruction scheme for linear systems

This paper presents an actuator fault reconstruction scheme that can be classified into an algebraic decomposition approach in which the original system is decomposed into two subsystems: a fault-free subsystem and a fault-dependent one. From the result of such algebraic decomposition, the fault estimate is obtained as a set of combinational functions of the system input, the measurement output, the estimate of certain linear functionals involving the state of the fault-free subsystem and the first-order derivative of the measurement output. Here a functional observer and robust exact differentiators are adopted to provide the estimate of the linear functionals of the state of the fault-free subsystem and the derivative of the measurement output, respectively. The proposed method is verified through two numerical examples of seventh-order aircraft and fourth-order crane models.     

SECOND‐ORDER NONSINGULAR TERMINAL SLIDING MODE DECOMPOSED CONTROL OF UNCERTAIN MULTIVARIABLE SYSTEMS

This paper proposes a second‐order nonsingular terminal sliding mode decomposed control method for multivariable linear systems with internal parameter uncertainties and external disturbances. First, the systems are converted into the block controllable form, consisting of an input‐output subsystem and a stable internal dynamic subsystem. A special second‐order non‐singular terminal sliding mode is proposed for the input‐output subsystem. The control law is designed to drive the states of the input‐output subsystem to converge to the equilibrium point asymptotically. Then the states of the stable zero‐dynamics of the system converge to the equilibrium point asymptotically. The method proposed in the paper has advantages for higher‐dimensional multivariable systems, in the sense that it simplifies the design and makes it possible to realize a robust decomposed control. Meanwhile, because of the adoption of the second‐order sliding mode, the control signal is continuous. Simulation results are presented to validate the design.     

A method to construct reduced‐order parameter‐varying models

This paper describes a method to construct reduced‐order models for high‐dimensional nonlinear systems. It is assumed that the nonlinear system has a collection of equilibrium operating points parameterized by a scheduling variable. First, a reduced‐order linear system is constructed at each equilibrium point using state, input, and output data. This step combines techniques from proper orthogonal decomposition, dynamic mode decomposition, and direct subspace identification. This yields discrete‐time models that are linear from input to output but whose state matrices are functions of the scheduling parameter. Second, a parameter‐varying linearization is used to connect these linear models across the various operating points. The key technical issue in this second step is to ensure the reduced‐order linear parameter‐varying system approximates the nonlinear system even when the operating point changes in time. Copyright © 2016 John Wiley & Sons, Ltd.     

An approach to closed-loop subspace identification by orthogonal decomposition

A method of identifying closed-loop systems is developed by using the orthogonal decomposition (ORT) method. The idea is to project the input and output data onto the space of exogenous inputs by using the LQ decomposition to obtain their deterministic components. The ORT-based method is then applied to deterministic components like the direct approach in order to derive state-space models of the plant. We also show that the present method is a subspace version of the two-stage method for transfer function estimation from closed loop data. Some simulation results are included to show the applicability of the present method.     

基于小波消噪的PEMFC先进PID控制

讨论了在功率需求快速变化下质子交换膜燃料电池的动态响应性能。从系统电气输出控制的角度考虑,根据PEMFC的系统组成构建了简化的电气模型。由于实际运行过程中的信号噪声和系统自身的非线性影响,文中采用小波消噪算法和自适应模糊PID控制相结合,应用于PEMFC的输出控制。最后使用MATLAB对系统控制方案进行仿真。仿真结果表明,采用小波消噪能够有效降低系统噪声的影响,采用模糊自适应PID控制可以有效降低超调量和响应时间。系统的整体控制方案达到了预期的效果。     

GA based decomposition of large scale distributed model predictive control systems

A novel method is proposed to find the optimal decomposition structure of distributed model predictive control (DMPC) systems. The input clustering decomposition (ICD) is first developed to minimize the coupling effects of subsystems and average the computational balance of each subsystem. To select the inputs and outputs in each subsystem, the input–output pairing decomposition (IOPD) is done. Then the genetic algorithm is used to solve decomposition problems for ICD and IOPD. The proposed method can achieve efficient coordination. Its structure is more flexible than the traditional DMPC. Two examples are used to show the abilities of the proposed method.     

基于多层小波分解的日前太阳辐照度预测研究

由于太阳辐照度的随机波动特性,大型光伏发电并网会给电力系统的运行带来极大困难,光伏发电功率的预测是解决此问题的关键措施之一.提出了一种基于多层小波分解的太阳辐照度预测方法,首先,根据天气状态将每日的辐照度曲线划分为不同的波动模式;然后针对不同天气下的波动模式分别建立预测模型,使用多层小波分解后的数据预测第二天连续24小时的辐照度值;最后建立基于数据驱动的融合模型,将不同天气模式下的辐照度多层小波分解预测值进行融合,以获得最终的辐照度预测结果.仿真结果表明辐照度预测结果精度与小波分解层数和天气模式高度相关,且所提算法能够有效提高短期辐照度预测精度.