一种新的 PID 控制参数自寻优整定方法——控制品质加权法

提出了一种新的,用于ＰＩＤ控制,以两个控制品质参数（过渡时间Ｔｓ和超调量δ）等权或不等权和最小为整定准则,称为“控制品质加权法”的控制参数自寻优整定方法．多次仿真输出的图形和数据结果充分证明,采用控制品质加权法,比采用ＩＴＡＥ误差准则、ＩＳＥ误差准则和经验乘系数等各种传统方法,都能提供更优的控制参数,从而使系统的控制品质得到明显改善,并能满足对过渡时间Ｔｓ和超调量δ看重程度不同用户的不同要求     

水轮机调速系统整定参数新公式

本文推导出水轮机调速系统时域指标计算公式,并按二阶最佳设计提出了最小超调量概念及公式.从而得出一套水轮机调速系统整定参数计算的新公式。     

一种典型二阶系统的模糊控制器的设计

介绍一种典型二阶系统的模糊控制器的设计方法。按照常规的步骤设计模糊控制器,在论域定义时采用一种新方法：根据未加入模糊控制器时,对应于系统模糊控制器输入、输出各个超调量的大小来设定模糊控制器的论域。实验仿真结果表明该设计方法能使系统达到较好的控制效果。     

具有最优动态性能的鲁棒镇定控制器设计

针对ＳＩＳＯ线性离散系统,利用线性规划方法设计具有指定最优动态性能的鲁棒稳定控制器。当线性离散模型的零,极点已知时,将最优动态性能指标在指定输入信号下直接转化为线性规划问题。从而解出最优响应输出序列。最优动态性能指标与鲁棒稳定性的统一使该控制器的设计方法具备了工业应用条件。仿真实例验证了结果的正确性。     

GaN功率器件应用可靠性增长研究

GaN功率器件是雷达T/R组件或发射功放组件中的核心元器件,随着器件的输出功率和功率密度越来越高,器件的长期可靠性成为瓶颈。文章对雷达脉冲工作条件下GaN功率器件的失效机理进行了分析和研究,指出高漏源过冲电压、栅源电压的稳定性以及GaN管芯的沟道温度的高低是影响GaN功率器件长期应用可靠性的主要因素,同时给出了降低漏源过冲电压、提高栅源电压稳定性以及改善GaN管芯的沟道温度的措施和方法。     

基于TPD:PO-T2T的黄光激基复合物发光性能研究

通过多源有机分子气相沉积系统(LN-386SA)制备结构为ITO/HAT-CN/TPD/TPD:PO-T2T/PO-T2T(x=10,20,30,40,50,60,70 nm)/LiF/Al的有机发光器件,研究了电子传输层(PO-T2T)厚度对TPD:PO-T2T黄光激基复合物发光性能的影响。PO-T2T厚度对其电致发光(electroluminescence, EL)光谱几乎没有影响,但对电流密度(current density, CD)、亮度、效率等性能有较大影响。由于金属铝扩散至发光层中会形成淬灭中心降低发光效率,当PO-T2T越厚时,扩散至发光层的铝原子越少,因此发光效率随PO-T2T厚度增加而增加。当PO-T2T厚度为70 nm时,获得最大电流效率(current efficiency, CE)和功率效率(power efficiency, PE),分别为2.16 cd/A、2.12 lm/W。此外,瞬态EL性能表明TPD:PO-T2T的发光来自TPD和PO-T2T分别对载流子的直接捕获,没有发光瞬时过冲或者深陷阱中载流子逃逸复合发光的现象。     

PID参数自整定中的新方法

PID控制是生产自动控制发展中最基本的一种控制方法,其原理简单、使用方便、适应性强,是一种目前应用最广泛的基础控制方法.但关键问题是如何方便地整定它的三个参数(比例系数Kp,积分时间常数Ti,微分时间常数Td),以使系统具有理想的性能.提出了一种以两个控制品质参数(过渡时间Ts和超调量δ)等权和最小为整定准则——控制品质加权法,通过对比分析仿真实验结果表明,该方法与ITAE相比较,其超调量减少1/2,调整时间缩短到2/3左右.     

一种充分利用预测信息的广义预测控制律

提出一种充分利用预测信息的广义预测方法，用控制增量的变化趋势对由开环最优控制求出的控制量进行修正，有效抑制超调，兼顾控制的跟踪速度，改善了过程的动态品质。控制算法简单，在线计算量小，仿真结果说明了算法的有效性。     

交直流混合微电网母线接口参数自适应VSG控制策略

针对交直流混合微电网的母线接口变换器采用传统VSG控制策略时存在母线频率的超调量与暂态过程时间矛盾,以及传输功率的暂态过程长期处于超调状态问题,提出一种交直流混合微电网母线接口参数自适应VSG控制策略。该控制策略可以使接口变换器的传输功率、母线频率的超调量减小;可以优化系统的动态调节能力,进而缩短暂态过程。建立了符合母线接口变换器VSG的数学模型,在VSG数学模型的基础上引出了参数自适应VSG控制策略。通过仿真,对比参数自适应VSG控制策略与传统VSG控制策略的控制效果,验证了所提出的控制策略的有效性和可行性。     

一种基于预测补偿的人工智能伺服控制系统

将神经元与模糊控制器相结合 ,利用自适应神经元 (APE)预测输出信号yp(t +1)与目标值R比较后 ,生成误差预测值ep(t +1) ,即预测超调量的负补偿量 ,补偿模糊控制器输出的控制信号ec,减小超调量 .在此基础上设计了基于预测补偿的人工智能控制器 ,从而达到了克服控制系统稳定性与快速性矛盾的目的