基于发电单元完整模型的backstepping控制

针对发电单元高阶非线性完整数学模型(锅炉、汽轮机和发电机模型),结合系统参数的不确定性,采用backstepping动态面控制方法设计了一种鲁棒自适应控制器。在反推设计过程中引入了虚拟控制器和一阶低通滤波器,从而避免了对模型非线性进行多次微分而引起的算法复杂性,使设计方法简化。理论分析和仿真结果均表明,该控制器能够保证闭环系统的半全局渐近稳定性,对系统参数的不确定性具有较强的鲁棒性,在系统发生故障时能够使系统稳定运行。     

基于小波包变换和随机森林算法的光伏系统故障分类

针对光伏系统故障分类问题,提出一种小波包变换和随机森林算法相结合的故障分类方法。采集光伏系统的故障电压数据,利用小波包变换对电压信号进行分解,提取各频带能量作为故障特征,将特征样本送入随机森林算法中进行分类。随机森林算法是结合集成学习理论和随机子空间方法的一种算法,可以对多种故障做出准确分类。使用PSCAD/EMTDC搭建独立光伏发电系统,选取12种故障进行模拟,得到600个故障样本,选取其中360个样本用于训练分类器,240个样本用于测试分类器的分类性能。仿真结果表明:该方法可有效辨别光伏系统的12种故障,分类准确率达到97.92%。与RBF神经网络分类器相比,故障分类准确率提高了4.17%,对进一步实现光伏系统故障诊断研究具有重要意义。     

基于模糊自整定二自由度PID控制的单相SPWM逆变电源研究

针对逆变电源系统,提出了一种模糊自整定二自由度PID控制器的设计方案。该方案能够克服系统参数摄动或外界扰动对系统造成的影响,使系统的鲁棒性和抗扰性均得到明显的改善。将逆变电源分别接阻性负载、突加负载和非线性负载进行仿真研究,可以看出输出电压波形具有较低的THD值,同时还获得了良好的稳态和动态特性。     

基于扩展规格书数据的SiC功率MOSFET建模

本文提出一种实用的SiC功率MOSFET建模方法。所建立的模型可在图形化仿真软件中实现,用于电力电子电路损耗分析。首先,基于器件规格书数据建立器件的静态模型;然后,对SiC功率MOSFET的物理结构、物理特性进行分析,依据分析结果对规格书数据进行扩展,建立模型的各个动态部分,从而构成完整的模型;最后,建立多种商用SiC功率MOSFET模型,并对模型进行仿真和实验验证,验证结果显示模型具有令人满意的精度和适用范围。本文建模方法所用数据仅源自产品规格书,无须通过测量获取规格书之外的其他数据。     

模型参考自适应控制系统的两种简化方案

基于波波夫超稳定理论进行模型参数自适应控制系统设计,分别采用参考模型极点和零点做滤波器,设计了两种不用线性补偿器的简化模型参考自适应控制方案,避免了分解系统的繁琐工作,仿真验证本方案能实现渐进跟踪,且控制效果令人满意。     

低阶模型的HMRAC方案及应用

采用滤波器降价的方法,设计了一种高阶系统跟踪低阶参考模型的混合模型参考自适应控制（HMRAC）方案,使用低阶参考模型简化了系统结构。应用HMRAC,避免了系统因数字化而引起的非最小相位问题及非线性影响,有利于进一步提高系统的鲁棒性。     

鲁棒HMRAC控制器设计及在镗床电机控制中的应用

设计了一种任意相对阶数的鲁棒HMRAC系统,采用补偿多项式,取消了文献[1]中要求系统相对阶数不大于2的限制条件;采用可调线性补偿器,取消了系统参数变化范围已知的假定条件;扩展了应用范围。基于混合误差模型,避免了系统因离散化而引起的非最小相位问题及扰动影响。该系统到镗床电机控制中,验证了方案的有效性。     

高阶系统跟踪低阶模型的混合自适应控制方案

基于混合误差模型,采用滤波器降价的方法,设计了一种高阶系统跟踪低阶参考模型的混合模型参考自适控制方案。使用低阶参考模型简化了系统结构。应用混合模型参考自适应控制,避免了系统因数字化而引起的非最小相位问题及非线性影响,有利于进一步提高系统的鲁棒性。     

从模型取状态的模型参考自适应控制系统的改进方案

本文对文献（１）的方案进行了改进，使其适合任意相对阶数的系统，并去掉了系统参数变化范围已知的假设。     

基于自适应H_(2)/H_(∞)滤波的锂电池SOC和SOH联合估计北大核心CSCD

准确、实时地估计电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)是现代电池管理系统的关键任务。通过自适应H_(2)/H_(∞)滤波器可对锂电池的SOC和SOH进行联合估计。该方法基于锂电池的二阶RC等效电路模型,采用AFFRLS法在线辨识锂电池的模型参数,并利用H_(2)/H_(∞)滤波器估计锂电池的SOC,AFFRLS辨识与H_(2)/H_(∞)滤波交替进行,得到一种自适应H_(2)/H_(∞)滤波器。SOH依据AFFRLS辨识的电池内阻进行估计,实现了锂电池SOC与SOH的联合估计。实验结果表明:自适应H_(2)/H_(∞)滤波算法的估计精度高且鲁棒性强,电池的SOC和SOH的平均估计误差始终保持在±0.19%以内,相比于EKF和H_(∞)滤波算法有更高的估计精度与稳定性。