模型不确定的下肢康复机器人轨迹跟踪自适应控制

为了实现康复训练过程中高精度的轨迹跟踪控制,针对下肢康复机器人的模型参数和外界干扰等不确定性因素对其轨迹跟踪造成严重影响,提出一种模型不确定的下肢康复机器人轨迹跟踪自适应控制方法。根据所提方案,设计了相应的轨迹跟踪自适应控制器;并进行了轨迹跟踪控制仿真实验对比分析,结果表明,计算力矩控制方法在系统模型不确定时,膝关节的最大角度跟踪误差高达11.3°,髋关节最大稳态误差4.6°;而轨迹跟踪自适应控制方法在模型不确定的情况下,髋关节和膝关节的角度跟踪稳态误差均收敛于零;轨迹跟踪自适应控制方法可以显著提高下肢康复机器人轨迹跟踪的精度。     

混合加权连续预测控制研究

针对工业过程常见的约束现象,引入混合加权算法,把约束条件考虑到连续预测控制指标函数中,提出了混合加权连续预测控制,与二次规划算法相比,混合加权算法具有计算量小,收敛速度较快的优点,并可以处理无约束可行解的情况,改善了连续预测控制系统在约束条件下的性能。     

基于神经网络和智能预测控制的机器人算法

提出了一种新颖的控制方案，即采用神经网络预测控制器来控制机器人的力／位置．这种控制器能任意逼近机器人这种不确定对象，不用知道系统的精确结构，同时由于预测控制的加入，使系统在线计算方便，控制质量提高了。通过对机器人的仿真结果可以看出，传统的PID对于不确定对象不能很好的解决，而采用本文设计的控制器，系统的鲁棒性和快速性都得到了改善，并且具有较好的控制效果。     

刚体连杆电驱动机器人的分散鲁棒跟踪控制

该文针对不确定刚体连杆电驱动机器人的跟踪控制问题，提出了一种新的分散控制器设计方法：首先设计标称控制器使标称闭环系统具有理想的跟踪性能；然后设计鲁棒补偿器以抑制非线性耦合、关节摩擦、参数不确定性和外扰等因素的影响。理论分析及仿真结果表明，在具有足够带宽的情况下，不需要测量电枢电流，该控制器可以保证跟踪误差局部终值有界，并具有可在线调整的特点。     

基于预测控制的PID调节位置跟踪系统的设计

通过对预测控制和传统的PID闭环控制的分析和研究，提出了将先进的预测控制算法和经典的PID闭环控制相结合，构成软硬件结合的双层控制的思想。建立了一个三轴仿真系统中的交流伺服电机模型，并将控制算法应用于系统的单轴进行了控制实验研究。结果表明，该双层控制策略比PID控制算法使系统在跟踪特性、稳定性和鲁棒性等方面都有了提高。     

机器人的鲁棒自适应分散跟踪控制

提供了一种鲁棒自适应控制策略,用于不确定性机器人的发迹跟踪,该控制器由一个ＰＤ线性反馈、一个立方项偿和非线性项构成。控制律采用分散形式,通过对二自由度机器人的仿真,证明该方法能使跟踪误差快速趋近于零。     

考虑校正控制的含风电场安全约束优化潮流

为应对风电场出力波动及电网故障给安全约束优化潮流带来的问题,在优化潮流中考虑校正控制,选择输电线路N-1故障及多风电场出力波动的组合作为电网运行的预想事件,在风电功率区间预测基础上得出相应置信水平的风电场出力上下限,并采用极限场景以代替风电功率预测误差的多种情况,通过基于关键输电断面的预想事件筛选以及主问题和多重子问题划分,经交替迭代求解最后可得到满足正常状态经济性及预想事件下安全约束的发电计划。IEEE 30节点系统的仿真结果验证了该方法的有效性。     

永磁同步电机转子位置的级联预测控制

预测控制是一种使被控对象获得良好动态性能的控制方法。该文通过使用时间乘绝对误差积分准则等性能指标,分析对比基于电流模型预测和转速预测的永磁同步电机(PMSM)转子位置控制系统的性能,提出一种两级级联结构的预测控制策略,兼顾永磁同步电机位置伺服控制系统稳定性和快速性的要求。仿真和实验结果证明了理论分析的正确性和级联预测控制在伺服刚度方面的优势。     

基于ELM的机器人自适应跟踪控制

针对刚性臂机器人系统,提出基于极限学习机(ELM)的两种自适应神经控制算法。极限学习机随机选择单隐层前馈神经网络(SLFNs)的隐层节点及其参数,仅调整其网络的输出权值,以极快的学习速度可获得良好的推广性。在自适应控制算法中,ELM逼近系统的未知非线性函数,附加的鲁棒控制项补偿系统的逼近误差。ELM神经控制器的参数自适应调整律及鲁棒控制项由Lyapunov稳定性理论分析得出,所设计的两种控制算法均不依赖于初始条件的约束且放松对参数有界的要求,同时保证闭环系统跟踪误差满足全局稳定而且渐近收敛于零。将所提出的ELM控制器应用于二连杆刚性臂机器人跟踪控制实例中,并与现有的径向基函数(RBF)神经网络自适应控制算法进行比较,仿真结果表明,在同等条件下,ELM控制器具有良好的跟踪控制性能,显示出其有效性和应用潜力。     

存在始误差的三维桥式起重机位置迭代控制

桥式起重机在运输货物样式相同、运输路线固定的情况下具有较强的重复性,而实际运输过程中,由于货物堆放位置不完全重叠,运输堆放位置临近的货物时有固定的初始误差。针对桥式起重机重复性工作且有固定初始误差的情况,采用迭代学习控制方法研究桥式起重机位置跟踪问题。建立了桥式起重机的三维数学模型,设计了桥式起重机位置跟踪的迭代学习控制算法,证明了算法的收敛性。仿真结果表明,迭代学习控制可有效利用桥式起重机运行的重复信息,经过一定次数的迭代学习后,起重机位移输出曲线可以精确跟踪位移期望曲线,达到预期的运行速度。     

基于零相位误差跟踪的月球车姿态模拟器控制

在月球车姿态模拟器控制中,常规的反馈控制仅利用了当前控制时刻的信息,当目标输入变化时,会因控制滞后而产生跟踪误差,因而仅利用常规的反馈控制不能满足高精度跟踪的要求。本文研究一种基于零相位误差跟踪的月球车姿态模拟器控制,该方法极大地增强了输出响应对指令的跟踪能力,同时滞后误差也大大减小,证明了零相位跟踪控制在月球车姿态模拟器控制中的优点,并通过了实验验证。     

基于跟踪偏差角和改进迭代误差修正的光伏功率预测优化策略

随着光伏发电逐渐接入电网,电网对光伏功率的预测精度也提出了更高的要求。针对双轴太阳能自动跟踪系统实际运行中存在的跟踪偏差角以及采用传统迭代误差修正思想进行多模型预测时存在的误差异常值,提出一种基于跟踪偏差角和改进迭代误差修正的光伏功率预测模型。首先,建立改进迭代误差修正模型;然后,利用改进迭代误差修正模型对功率预测进行一层优化;最后,结合跟踪偏差角完成对光伏功率预测的二层优化。仿真结果表明,所建立的光伏功率预测模型能使功率预测精度提高5%左右,弥补了单一模型存在的不足。     

江苏电网AGC安全约束控制的实现与应用

阐述了利用安全约束调度进行自动发电控制(AGC)安全约束控制的实现技术及应用。当系统处于紧急状态或预警状态时,AGC根据实时安全约束调度提出的机组调整方案和灵敏度信息,通过限制机组AGC调节上下限或限制机组AGC调节方向,执行稳定断面越限的校正控制和预防控制。实践表明,AGC安全约束控制可有效消除和缓解了电网稳定断面的越限,提高电网的安全稳定水平。     

基于Lyapunov控制的多约束模型预测控制方法

有限集模型预测控制最大优势在于目标函数增加约束灵活,但加权系数难以确定及多约束间的耦合效应导致的不稳定现象大大限制了其应用。针对这个问题,提出了基于Lyaponov控制的多约束模型预测控制方法,该方法首先通过Lyapunov控制实现对主约束输出电流的控制,再根据开关转换次数约束项的轻重自由设置加权系数,然后通过目标函数最小化实现多约束协同控制。仿真结果表明所提出方法实现了输出电流、开关转换次数的多约束模型预测协同控制,并对加权系数有良好的鲁棒性,在加权系数偏差高达10倍时输出电流THD仅为5.63%。     

基于负荷跟踪速度的厂级负荷优化分配研究

随着"厂网分离,竞价上网"原则的实施,人们越来越关注火电厂的综合竞争力,厂级负荷优化分配能够有效提高火电厂的竞争力。目前,火电厂厂级负荷的分配通常是以机组的煤耗特性为基础,以全厂耗煤最少为原则来分配给每台机组的负荷。虽然已经有学者提出考虑快速性稳定性等因素的多目标优化模型,但也只是研究多个目标间的权重比,实际应用性不强。本文提出一种新的负荷分配模型,依然采用经济性单目标优化。通过设置厂级负荷跟踪速度,将快速性作为负荷分配的约束条件,使得火电厂能够在保证快速性的前提下,做到煤耗的最优化处理。对于火电厂竞价上网以及业绩考核都有较大的帮助。实验数据表明,本文提出的模型具有很强的实际工程应用价值。     

基于实时安全约束经济调度的自动发电控制模型

为提高自动发电控制(automatic generation control,AGC)智能化水平及实时调节效果,依托新型D5000系统在线数据平台,提出基于全网分布负荷同步超短期预测的AGC主动协调安全约束经济调度模型。通过全网站点负荷差频滚动灰色预测,一方面预判AGC可调以提示人工干预,另一方面以机组发电尽量接近最优日前计划及尽量降低调节代价为目标,预分配各机组出力,从而实现高度智能化的AGC主动协调调度功能。在华中某省级电网调度模拟系统进行仿真计算,结果表明该模型在保障电网安全、优化运行指标、提高发电调度自动化程度等方面具有明显的优势。     

基于扰动观测和补偿的PMSM伺服系统位置跟踪控制

针对存在参数摄动和外部扰动力矩的PMSM伺服系统位置跟踪控制问题,提出一种基于扰动观测和补偿的滑模控制方法。采用扰动观测器估计系统参数摄动以及负载力矩,并在此基础上对等效扰动进行补偿,减小了模型不确定性对系统控制性能影响,系统的位置跟踪误差由0.85 rad减小到0.35 rad;在保证系统稳定性的前提下,去除了常规滑模控制中的不连续控制项,有效地减小了抖振。实验结果表明,与工程上常用的PID算法相比,基于扰动观测和补偿的滑模控制算法不仅能够显著提高PMSM伺服系统的位置跟踪精度,而且能有效地削弱抖振。     

基于状态收缩约束的模型预测负荷频率控制

提出一种基于状态收缩约束的模型预测控制策略(SCC-MPC)。这种控制策略具有一般有限时域模型预测控制的特点，并且在算法中引入了一个状态收缩约束，从而保证了模型预测控制算法的稳定性。对SCC-MPC的名义稳定性、鲁棒稳定性分别进行了分析，并用数学方法证明了SCC-MPC算法的名义稳定和鲁棒稳定。用SCC-MPC策略设计多区域电力系统的负荷频率控制器，仿真结果说明系统在受到负荷扰动时， SCC-MPC控制器使系统频率趋于正常值，区域间的交换功率也趋近于计划值。     

基于模型预测控制和机会约束的主动配电网实时调度优化策略

合理利用分布式电源和可调负荷的灵活调节特性是实现主动配电网主动控制的关键,但其中分布式电源的随机性和波动性影响了实时调度的可靠性。为实现主动配电网的实时优化调度,提出基于模型预测控制和机会约束的主动配电网实时调度优化策略,将模型预测控制与机会约束相结合,降低了分布式能源随机性和波动性对小时间尺度调度的影响。首先,对主动配电网的小时间尺度调度体系进行了分析;在此基础上,以最优经济调度为优化目标,通过模型预测控制将系统未来状态感知与实时状态反馈相结合,对实时调度进行滚动优化,尽可能减小配电网不确定性影响;在滚动优化中采用机会约束进一步降低分布式能源和可调负荷随机波动的影响;实现了主动配电网实时调度的高可靠性和高经济性。最后通过全面的运行实例验证了所提策略的适用性和优越性。     

基于预测电流控制的光伏并网系统最大功率点跟踪算法

针对光伏发电的突变性及昼发夜停特性提出一种新型的基于预测电流控制的光伏并网系统最大功率点跟踪(MPPT)算法。根据实际情况考虑光伏阵列的非线性特性,最大功率点周围光伏电压的振荡及逆变器、滤波器的设计等。为了确保系统采用控制算法的稳定性,MPPT的设计应运而生,在此基础上通过改进算法从光伏系统的电压与电流预测基准电流进而控制光伏并网系统。通过与传统的波动相关控制方法对比给出了仿真结果。仿真结果表明:在光照发生突变时,与传统的波动相关控制法相比,提出的改进算法的跟踪速度较之提升9.3%,并能够准确跟踪光伏并网系统最大功率点,且性能稳定可靠。