小波神经网络内模控制的性能研究

使用小波神经网络分别逼近对象模型和逆模型,并对原非线性系统及其逆模型组成的伪线性系统采用内模控制理论,基于逆系统方法进行控制.当系统的建模误差满足线性增长条件时,分析了小波神经网络内模控制系统的鲁棒性和稳定性,当系统的建模误差不满足线性增长条件时,应用波波夫超稳定性理论分析了系统的鲁棒性.仿真结果表明小波神经网络内模控制系统是处理非线性问题比较有效的方法之一.     

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。     

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。     

两电机调速系统神经网络广义逆在线调整控制

针对多输入多输出(MIMO)非线性强耦合的两电机变频调速系统,对系统数学模型进行广义逆存在性分析,推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,实现MIMO系统的线性化与解耦。在神经网络逆系统离线训练的基础上提出在线训练的控制方法,在电机的运行过程中对网络进行在线训练,不断修正网络权值,使网络适应环境的变化,增强其鲁棒性,更精确地逼近其逆系统。实验证明在用PLC作为主控制器的控制过程中,神经网络不断进行自我调整,增强了神经网络的适应性,提高了系统的稳定性和鲁棒性。     

带零动量轮航天器的逆系统方法姿态控制

为满足带零动量轮航天器姿态响应的快速性与准确性,将航天器姿态模型和飞轮机构及其补偿器视为广义控制对象,采用广义逆系统方法与内模原理相结合设计了复合控制器。在分析动量轮的摩擦阻力效应基础上,设计了基于飞轮非线性观测器的低、高速补偿器,在改变航天器惯量与加入干扰的情况下,通过仿真分析了复合控制的鲁棒性。逆系统实现了广义控制对象的解耦,内模闭环控制器弥补了解耦的非理想性,补偿器加快了姿态响应速度。仿真结果表明,逆系统与内模控制组成的复合控制器对带零动量轮航天器姿态控制是有效的,并且该控制器对航天器惯量参数和干扰具有较强的鲁棒性。     

基于逆系统内模算法的双馈风力发电系统解耦控制

应用多变量非线性控制的逆系统方法,将双馈风力发电机这一多变量、非线性、强耦合系统精确解耦成有功和无功两个一阶线性子系统。对形成的伪线性系统,引入一种改进型内模控制结构,提高了控制系统的鲁棒稳定性和高阶无静差跟踪性能。仿真结果表明,提出的基于逆系统内模控制策略成功实现了有功、无功的解耦控制和最大风能追踪控制,系统具有更高的控制精度和稳定性。     

UPFC并联侧换流器的新型控制器设计

首次将内模控制应用到UPFC的控制器设计中,运用逆系统原理和状态反馈将UPFC并联侧系统进行精确线性化,设计了对UPFC并联侧采用基于内模控制的逆系统方法解耦控制和基于内模控制的状态反馈解耦控制这两种新的控制器,从而成功地实现了系统的非线性解耦控制。最后通过仿真验证了这两种控制的良好性,以及它们的性能要优于经典PI控制器的性能。     

自适应逆控制算法在再热汽温控制中的应用

基于内模控制理论,针对自适应逆控制系统中非最小相位对象逆模型的不稳定性,提出了一种新的求解方法,克服了传统方法求取对象模型延时逆的不足.分析了内模控制和自适应逆控制的关系,设计了基于内模控制原理的系统结构,分析了系统的稳定性和算法的收敛性,仿真结果表明这种方法的正确性.将该方法应用于电厂再热汽温控制系统进行仿真研究,结果表明该方法的控制性能优于常规串级控制系统.     

感应电机调速系统模糊神经网络逆鲁棒控制

以多变量、非线性、强耦合的感应电机调速系统为研究对象,采用模糊神经网络逆鲁棒控制策略,通过模糊神经网络加积分器来构造感应电机调速系统的动态逆系统,将二者串联重构成伪线性复合系统,基于内模控制,根据复合系统的特性设计鲁棒控制器,实现了感应电机转速的高精度鲁棒控制.仿真和实验结果表明系统具有优良的静态及动态性能,对负载扰动、参数摄动和未建模动态等具有很强的鲁棒性.     

单绕组磁悬浮开关磁阻电动机非线性解耦控制

针对单绕组磁悬浮开关磁阻电动机非线性、多变量、强耦合的特点,提出一种将支持向量机逆系统方法与内模控制相结合的非线性解耦控制策略。该方法通过支持向量机离线优化学习构建系统α阶逆模型,将优化的支持向量机逆模型与原系统复合,将其解耦成两自由度位移和转速伪线性子系统;为了提高系统的抗扰性和鲁棒性,对解耦后的伪线性系统引入非线性内模控制。仿真和实验研究验证了所提控制方法的有效性。     

感应电机的新型神经网络广义逆系统解耦控制

针对感应电机这一多变量、强耦合系统,提出了一种新型神经网络广义逆系统解耦控制方法,给出了新型广义逆系统的存在性证明.它与感应电机复合,将转子磁链与转速的解耦成两个独立的伪线性子系统,并且可以随时通过调整反馈参数改变两个伪线性子系统的配置极点,为控制器的设计提供了便利.仿真结果表明,通过合理的选择配置极点和控制器参数,整个控制系统对电机参数变化和负载扰动有较强的鲁棒性和动态性能.     

汽门开度的神经网络广义逆系统控制

给出了一种基于神经网络广义逆系统的汽轮发电机汽门开度控制策略,在无需系统模型参数和状态反馈的情况下,可实现非线性系统的大范围线性化,从而实现非线性系统的线性化控制。对单机无穷大系统的仿真表明,应用该控制策略可显著地增强电力系统的暂态稳定性。     

基于改进广义预测控制的电力系统稳定器

常规的电力系统稳定器（PSS）往往离线整定其参数,未能考虑实际系统多样的运行方式,因此不能很好地提供阻尼来抑制电力系统的低频振荡。为此,采用改进的自适应广义预测控制（GPC）算法设计PSS。该控制器针对传统广义预测控制算法计算量大这一缺陷,运用快速算法,避免了矩阵求逆运算;在确定广义预测控制器参数上,改进的算法综合考虑控制增量对系统的影响及系统的动态性能,不断修正目标函数中控制增量的加权系数。仿真结果表明该PSS具有良好的动态品质和调节精度,能提高电力系统的动态稳定性,抑制低频振荡。     

神经网络逆系统及其在电力系统控制中的应用

阐述和证明了基于输入输出微分方程描述的系统可逆性的充分条件,并给出了相应的解析逆系统的实现方法。文中同时研究了采用积分器和静态神经网络组成动态神经网络结构的方法,并将这种神经网络结构与逆系统理论相结合,提出了神经网络α阶逆系统的结构及其实现步骤,运用该神经网络α阶逆系统对TCSC控制器进行了设计。实际系统的仿真结果证实了所设计控制策略的有效性。     

异步电动机定子磁链与电磁转矩的逆系统解耦控制方法

为了实现脉宽调制电压源型逆变器供电的异步电动机调速系统定子磁链和电磁转矩的动态解耦控制，基于逆系统理论提出了一种新型的解耦控制策略。根据异步电动机调速系统的动态数学模型，证明了其逆系统的存在性，在此基础上得到了逆系统的输入输出方程。把得到的逆系统和异步电动机调速系统相级联，从而将多变量、非线性、强耦合的控制对象解耦成了两个一阶线性子系统，分别称为转矩子系统和磁链子系统，利用线性控制理论对各个调节器进行了设计，实现了定子磁链和电磁转矩对各自参考值的全局渐进跟踪。使用Matlab软件进行了仿真实验，实验结果验证了控制方案的可行性。     

基于a阶逆系统五自由度无轴承永磁电机解耦控制

文中应用多变量非线性控制a 阶逆系统方法，对新型五自由度无轴承永磁同步电机这一多变量、非线性、强耦合的控制对象进行动态解耦控制研究。介绍了新型五自由度无轴承永磁同步电机结构，阐述了a 阶逆系统方法，分析了三自由度磁轴承的工作原理和二自由度无轴承永磁同步电机径向力产生机理，给出三自由度磁轴承轴向力、径向悬浮力方程和二自由度无轴承永磁同步电机转矩力和径向悬浮力方程，建立了电机的状态方程，分析了基于a 阶逆系统方法解耦控制的可行性，推导出基于a 阶逆系统方法的动态解耦控制算法，并进行了仿真研究。仿真结果表明这种控制策略能够实现五自由度无轴承永磁同步电机转矩力和悬浮力之间的动态解耦控制，系统具有良好的动、静态性能。