弱电网下逆变器并网系统失稳的两种诱因

为增加功率密度并降低制造成本,并网逆变器采用的滤波器电感越来越小且多台逆变器并联会导致线路等效阻抗被放大,致使弱电网等效线路阻抗与逆变器滤波器电感比值较大。弱电网下较高阻抗比会导致并网逆变器失稳且失稳诱因与其在传统低短路比弱电网下失稳诱因并不相同。将弱电网的工况分为低短路比–低阻抗比工况和低短路比–高阻抗比工况,该文对2种工况下系统失稳诱因进行了对比研究。发现了低短路比–低阻抗比下系统失稳主要和锁相环引入的负阻抗相关,而低短路比–高阻抗比下系统失稳同时和锁相环引入的负阻抗以及电网电压前馈引入的负阻抗和容性阻抗相关。低短路比–高阻抗比弱电网中,并网逆变器采用较小或者较大的电网电压前馈系数均不利于系统稳定性。为保证低短路比–高阻抗比下系统稳定性,需解决电网电压前馈系数优化设计问题。对此,该文基于系统奇异值提出了电网电压前馈系数的优化方法。最后,通过仿真和实验结果验证了研究结果正确性和所提方法有效性。     

基于龙伯格观测器的BLDC滑模控制系统仿真研究

针对无刷直流电机（BLDC）负载频繁改变导致电机调速性能差的问题,提出了一种基于负载转矩观测器的速度滑模控制方法。速度环采用滑模变结构控制方法,基于改进指数趋近律设计了速度滑模控制器;同时为了减小负载转矩扰动对电机运行状态的影响,基于龙伯格观测器设计了负载转矩观测器,通过观测器来估计实际的负载转矩并将观测器的输出前馈给速度滑模控制器来抵消负载转矩扰动的影响。为了验证提出方案的有效性,在MATLAB/Simulink仿真环境上搭建了仿真模型并进行了仿真分析,仿真结果表明基于负载转矩观测器和速度滑模控制器的无刷直流电机系统有着优异的性能,与传统PI控制相比,抗扰能力强、恢复时间短、转速响应快,证明了提出方案的有效性。     

基于神经网络的机器人学习与控制：回顾与展望

机器人因其高效的感知、决策和执行能力,在人工智能、信息技术和智能制造等领域中具有巨大的应用价值。目前,机器人学习与控制已成为机器人研究领域的重要前沿技术之一。各种基于神经网络的智能算法被设计,从而为机器人系统提供同步学习与控制的规划框架。首先从神经动力学(ND)算法、前馈神经网络(FNNs)、递归神经网络(RNNs)和强化学习(RL)四个方面介绍了基于神经网络的机器人学习与控制的研究现状,回顾了近30年来面向机器人学习与控制的智能算法和相关应用技术。最后展望了该领域存在的问题和发展趋势,以期促进机器人学习与控制理论的推广及应用场景的拓展。     

后轴双电机扭矩矢量控制研究

车辆的横摆响应受到转向系统、悬架系统、制动系统及驱动系统影响,传统车辆主要以转向输入进行主动控制,随着线控底盘的发展,ESC、后轮转向、扭矩矢量等技术逐步参与到车辆横摆的主动控制中;相对于ESC以制动力差产生横摆力矩,扭矩矢量可在不降低总驱动力的前提下产生横摆力矩,不会引起车辆的制动效应;通过后轴双电机扭矩矢量控制（TVC）产生主动横摆力矩,旨在改善车辆横摆响应,TVC采用前馈与反馈结合控制,基于二自由度车辆模型、目标稳态增益K及横摆角速度-速度修正因子K1建立目标横摆角速度;利用车辆模型逆函数计算横摆力矩前馈值,PID计算横摆力矩反馈值,总横摆力矩转换得到左右车轮纵向力调整量;纵向力调整量与驱动力分量叠加获得左右轮总纵向力;左右轮驱动力过大时可能会受到滑移率、电机扭矩等限制,为保证横摆力矩偏差在要求范围内,需要根据限制情况对左右轮纵向力进行调整;通过仿真验证,TVC可明显改变车辆横摆响应     

单相有源前端直流电压脉动研究

单相PWM整流器作为串联H桥多电平变频器的有源前端,可以满足矿井提升机对电气传动系统能量双向流动能力的要求,但是其输出2次脉动电压使得网侧电流存在3次谐波。针对上述问题,提出了一种稳态误差前馈补偿的方法,即将输出直流电压的二倍频正弦误差信号补偿至直流电压给定信号,以减小电压脉动对电网电流畸变的影响。仿真及硬件实验验证了该方法的有效性。     

基于改进SVPWM算法的三电平PWM整流器研究

分析了三电平中点钳位式整流器的拓扑结构,在d-q旋转坐标系下建立了其基于开关函数的数学模型,通过双闭环控制实现了电流的d-q轴解耦,使整流器的动态性能得到改善;针对传统的SVPWM算法在扇区判定和矢量作用时间求解过程中需要进行大量复杂的三角函数运算的缺点,提出了一种基于非正交60°坐标系的SVPWM算法,优化了三电平整流器的矢量运算过程。仿真和实验结果验证了该算法的正确性。     

基于DSP前馈模糊PI的舵机控制算法

针对负载转矩对舵机转速的影响,建立负载力矩的数学模型,提出带前馈模糊自整定比例积分参数的速度环控制算法,利用前馈控制器补偿负载变化对电机转速的影响。当直流无刷电机特性和力矩变化时,通过动态调整控制参数使系统具有良好的鲁棒性和控制精度。设计以数字信号处理器为核心的模糊控制器,采用高精度的绝对编码器作为位置环反馈。实验结果表明,该控制器具有较强鲁棒性,且响应速度快、超调小、控制精度高。     

单神经自适应PSD 预测控制在过热汽温切换系统中的应用

提出一种基于单神经元自适应PSD(proportional sum differential)预测控制器的新型火电厂过热汽温切换控制系统.采用单神经元自适应PSD控制与Levinson预测器相结合的控制方式以改善大滞后、多干扰系统的控制特性,同时利用Foxboro公司I/A系列的DCS控制系统平台对其组态设计(包括无扰切换、前馈补偿以及抗积分饱和等),以实现手自动切换和各控制器之间的合理切换.实验室的多次仿真研究和某火电厂的现场运行均表明该控制系统具有良好的控制品质.     

线性时滞系统前馈-反馈次优控制: Taylor 级数法

研究线性时滞系统最优控制的前馈反馈近似设计问题.基于Taylor级数法,将系统的二次型最优控制问题转化为线性代数方程组的求解问题,给出了系统前馈反馈次优控制律的存在唯一性条件和Taylor级数表示形式.仿真算例验证了方法的有效性.     

自来水厂出水浊度的前馈反馈智能控制

针对国内大多数水厂都是手动控制加药,对水量大幅度变化或者遇到暴雨天气使得浊度变化剧烈时难以准确控制投药量的问题,提出了采用无模型控制器的前馈-反馈方案来对水厂投药过程进行控制.它针对上述问题进行有效的控制,达到对原水浊度剧烈变化时能实时且有效控制出水浊度,使出水达到工业标准并能节约成本.无模型控制器实时控制能保证加药量既不会浪费也能控制水质到水厂规定的浊度值,其良好的鲁棒性及快速性,表明了其在水厂智能加药控制过程中的可行性.