一、PRECISE INTEGRATION METHOD FOR LQG OPTIMAL MEASUREMENT FEEDBACK CONTROL PROBLEM(论文文献综述)
毛盈盈[1](2021)在《固体氧化物燃料电池—燃气轮机混合系统的区间LQG控制策略研究》文中进行了进一步梳理固体氧化物燃料电池(SOFC)具备工作温度高、燃料来源广、使用寿命长等优点,被广泛应用在分布式发电系统。但SOFC单独工作时效率较低,严重限制其推广应用。将SOFC与燃气轮机(GT)组合发电不但可以显着提升系统综合效率,还可以降低环境污染,引起分布式发电厂的关注。然而,固体氧化物燃料电池-燃气轮机(SOFC-GT)混合系统是一个规模庞大、控制参数繁多和组件相互耦合的复杂系统,因此需要建立其动态模型并设计合适的控制策略以准确描述系统性能及保障系统稳定运行。针对SOFC-GT混合系统,考虑各参数的区间不确定性和环境温度、甲烷摩尔分数的扰动,本文构建其动态模型并提出一种基于区间分析的线性二次型高斯(Linear quadratic Gaussian,LQG)控制策略。首先,研究区间分析理论和可以有效降低区间结果高估值的切比雪夫方法,为求解区间不确定性系统模型奠定理论基础;其次,改进底层循环式SOFC-GT混合系统结构,并分析SOFC-GT混合系统各组件的工作原理及能流的传递关系,依据质量守恒方程、能量守恒方程、热动力学公式和电功率转换公式等建立其动态模型,将非线性系统动态模型线性化后,采用Hankel矩阵奇异值方法进行系统降维,获得系统简化模型;然后,结合区间分析理论和线性二次调节器(Linear quadratic regulator,LQR)设计区间LQG控制器,对不确定性系统进行集中最优闭环控制。加入局部比例反馈回路以稳定GT转速,并利用区间扩展的卡尔曼滤波器提高结果鲁棒性和利用功率积分器跟踪系统功率;最后,在MATLAB-SIMULINK中对SOFC-GT混合系统进行长期仿真,分别对应用区间LQG控制策略、普通LQR控制策略、分散控制策略的SOFC温度、SOFC电流、SOFC电压、燃烧室温度、燃烧室燃料流量及GT轴速等控制结果进行对比,验证了区间LQG控制策略在提高系统鲁棒性和系统寿命方面的有效性和优越性。本文的主要创新点总结如下:(1)基于改进底层循环式SOFC-GT混合系统结构,建立SOFC-GT混合系统动态模型。该模型集成简单、便于控制、适用仿真、可以准确刻画系统性能。(2)基于各参数和扰动量不确定性,提出一种区间LQG控制策略,得出保障系统稳定运行的鲁棒区间。这个鲁棒区间可作为其他控制策略正确性的验证标准。
王佳英[2](2020)在《自适应光学系统扰动模型辨识及最优控制技术研究》文中提出自适应光学(Adaptive Optics,AO)是一种通过克服动态波前畸变对光学系统成像质量的影响,从而获得接近衍射极限的高分辨率成像的技术,广泛的应用于天文观测、激光传输、人眼视网膜成像等领域。地基天文望远镜进行科学观测时,由随机变化的大气湍流造成的波前畸变是系统成像质量下降的主要原因。此外,工作环境的变化以及系统平台本身也会带来一些非湍流像差扰动,主要包括由风或其他激发源(冷却器,百叶窗等)引起的窄带扰动。除大气湍流扰动外,这些窄带扰动很大程度上限制了系统性能的提高。目前,大多数AO系统都采用经典的比例积分(Proportional integral,PI)控制器,然而由于控制算法本身的限制,其无法对这些窄带扰动进行有效抑制,并且忽略了这些扰动包括大气湍流扰动随时间演变的特性,无法满足大口径天文望远镜高分辨成像的需求。基于此,本文针对AO系统中随时间变化的光束扰动(Disturbance)(包括湍流扰动和非湍流扰动)的校正问题开展了以下内容的研究并取得了一系列成果:1.对AO系统中光束扰动的存在问题进行了详细阐述,建立了具有实际物理意义的光束扰动动态模型。首先,通过对AO系统中光束扰动信号特性的分析,建立了可表征实际物理过程的独立扰动分量模型,即自回归二阶模型(second-order Auto-Regressive,AR2);然后,根据系统中不同频率扰动分量所对应的来源不同且彼此相互独立的关系,建立了AO系统中复杂频率光束扰动的时域动态模型和频域动态模型。通过对随时间变化的光束扰动信号模型的构建,实现了AO系统中光束扰动信号的准确描述并为扰动控制器的设计提供模型依据。2.针对AO系统中存在的复杂频率的动态光束扰动信号,提出了一种自动扰动模型辨识方法,包含了扰动频谱分离过程和基于粒子群优化(Particle swarm optimization,PSO)算法的模型参数辨识过程两个部分。整个辨识过程无需额外辅助系统及人为调试,可以在线周期运行。首先,通过对复杂频率的光束扰动信号的功率谱曲线进行有效分割,从而实现了对独立扰动分量的准确提取,同时确定了有效扰动分量的数目;其次,利用PSO算法初值随机、所需调整参数少和收敛速度快等特性,可以快速有效地辨识出扰动的频域模型参数。此外,我们将辨识结果与其他辨识方法进行了性能对比并通过人为合成扰动数据进行了仿真验证,结果表明本文提出的辨识算法使得辨识计算时间大大减少,并且由于对惯性权重系数的调节使得辨识算法减少了陷入局部极小值的可能性,从而得到的模型参数辨识精度更高,为扰动控制器的设计提供支撑。3.针对AO系统中高阶模式中窄带扰动难以校正的问题,提出了控制结构可调整的线性二次高斯(Linear quadratic Gaussian,LQG)多模式扰动控制器。首先,根据辨识获得的单阶模式光束扰动模型参数及其所包含的独立扰动分量的个数,以光束扰动校正残差最小为优化指标设计了控制结构可调整的LQG单模式扰动控制器;然后,根据多阶扰动模式中各模式中分别获得的独立扰动分量的个数以及相应的模型参数,确定多模式扰动抑制器的控制矩阵维度并计算得出其相应的控制参数矩阵,获得了控制结构可调整的LQG多模式扰动控制器;最后,将设计的控制器与重演仿真得到的最优模式增益积分(Optimized Model Gain Integrator,OMGI)控制器进行了性能对比。仿真结果表明,本文提出的多模式扰动控制器对高阶模式中存在的光束扰动表现出良好的抑制性能,同时相较于OMGI控制器,本文提出的控制方法对高阶模式中的窄带扰动表现出更好地控制性能。此外,进一步地验证了光束扰动模型的有效性及辨识方法的可靠性。4.通过对1-m新真空太阳望远镜实际测量连续扰动数据进行重演仿真,进一步分析评估了基于频谱分离和粒子群优化算法的自动扰动辨识方法和基于辨识模型的LQG控制器在实际望远镜系统中的可行性。然后,搭建了自适应光学系统室内实验平台,对系统中存在的多项高阶模式扰动的抑制进行了实验验证。最后,对1.8m中国大型太阳望远镜(Chinese Large Solar Telescope,CLST)系统中由制冷机造成的窄带扰动进行了抑制实验。5.考虑到实际系统中计算资源有限,提出了一种适用于自适应光学系统高阶扰动校正的混合控制方法,在无需专门配置高性能计算机的情况下,既能减少实时计算机的计算量又能够保证对高阶扰动尤其是窄带扰动的有效抑制。通过本文的研究,获得了AO系统中随时间变化的复杂频率光束扰动信号的时域动态模型和频域动态模型,并通过结合频谱分离和粒子群优化算法的自动扰动辨识方法实现了对光束扰动模型的精确描述,解决了目前AO系统中光束扰动模型难以准确获得的问题。其次,根据辨识得到的不同模式分别对应的扰动模型参数和相应的扰动分量个数,以光束扰动校正残差最小为优化指标设计了控制结构可调整的多模式LQG扰动控制器,解决了目前AO系统中高阶模式上光束扰动尤其是窄带扰动难以有效抑制的问题,提高了自适应光学系统对光束扰动的控制性能。此外,本文还提出了一种适用于AO系统中高阶扰动校正的混合控制策略,一定程度上减小了系统进行高阶扰动校正时面临的计算压力,为LQG控制在实际系统中的应用提供解决方案,对AO系统应用性能的提升具有十分重要的意义。
刘玉燕[3](2020)在《线性自抗扰控制方法及其压水堆功率控制研究》文中研究指明随着国内核电占比升高,在电力消纳不足,负荷波动较大,新能源接入增加,优质调峰电源有限的地区,若核电厂不参与调峰,系统将面临严重的调峰压力。国内绝大部分核电厂采用压水堆,压水堆是一个非线性、时变被控对象,存在较大不确定性和多种扰动。压水堆功率控制系统是核电厂调峰运行的关键系统,而现有压水堆功率控制系统,难以在不同功率水平和燃耗下,实现快速、平顺调节。因此,有必要尽快开展可取得良好性能的先进控制方法研究。线性自抗扰控制(Linear Active Dsturbance Rejection Control,LADRC)可以处理具有大范围及复杂结构不确定性的系统,具有结构简单,整定参数少,扰动抑制能力强,鲁棒性好等优点,已取得许多成功的应用。但对于非线性、时变系统,在工况大幅度变化时,常规LADRC控制品质有待提高。针对上述问题,本文在充分利用压水堆被控对象非线性机理模型信息的基础上,改进LADRC的线性扩张状态观测器(Linear Extended State Observer,LESO)和PD控制律设计,给出了模型辅助的LADRC参数整定方法。然后结合部分反馈线性化(Partial Feedback Linearization,PFL)和T-S模糊理论,系统地解决了压水堆被控对象非线性和参数时变等特性,给LADRC设计带来的挑战。论文主要工作如下:1.针对压水堆功率控制问题,给出了压水堆功率控制的模型辅助线性自抗扰控制器设计与参数整定方法。从等效方框图和控制器增益逼近角度分析了模型辅助LADRC和PID之间的参数对应关系,通过典型被控对象验证了模型辅助LADRC在跟踪性、抗扰性、测量噪声抑制能力以及鲁棒性方面比PID控制的优势。2.针对压水堆动力学特性和功率输出可测的特点,提出了基于降阶扩张状态观测器(Reduced-order Extended State Observer,RESO)的压水堆功率自抗扰控制。频域分析表明,在相同带宽下,能够加快LESO的观测速度,提高相位裕度,且使得参数整定更容易。首先从压水堆非线性模型推导出用于控制器设计的带有“总扰动”项的相对功率二阶模型。然后在控制器设计时结合变量代换方法,避免了将功率输出的导数项作为RESO的输入。进一步探讨了基于RESO的LADRC与PID的参数对应关系。最后采用压水堆非线性、时变模型,验证所设计的控制器性能,仿真结果表明,RESO对各种不确定性和扰动均具有良好的估计能力,基于RESO的LADRC和LQG/LTR相比,响应更快、抗扰能力更强。3.针对压水堆被控对象的非线性特点,提出了基于部分反馈线性化理论的LADRC设计方法。首先利用PFL理论,从压水堆非线性模型,推导出用于LADRC设计的带有“总扰动”项的线性二阶模型。然后针对此模型,设计了带有模型信息的LADRC,并基于Barbalat引理证明了闭环系统稳定性。最后仿真分析表明,所提PEL-LADRC复合控制器在各功率水平下,均具有良好的跟踪性、抗扰性和鲁棒性。4.针对现有压水堆T-S模糊模型构建方法的局限性,提出了 T-S模糊机理模型建模方法和基于运行数据的T-S模糊模型参数辨识方法,并给出了基于T-S模糊模型的前馈-自抗扰复合控制器设计方案,系统地解决了压水堆被控对象非线性、参数时变、冷却剂温度与堆功率水平的耦合效应和外部扰动等给LADRC设计带来的挑战。仿真结果表明,不管T-S模糊模型是从机理模型导出,还是从运行数据辨识所得,基于相对功率变化量和棒速作为前提变量的模糊模型设计的前馈-线性自抗扰控制器在全工况条件下均具有良好的控制性能,且LESO带宽较低。
许振兴[4](2020)在《基于深度强化学习的自适应光学波前控制研究》文中指出自适应光学(Adaptive Optics,AO)技术通过改变波前校正器相位来补偿入射畸变波前,从而改善光学系统的性能,被广泛应用于天文观测、激光通信系统、视网膜成像、激光光束净化等光学系统。AO系统作为有效的主动补偿技术,虽然在各领域取得了很好的校正效果,但传统闭环控制方法将AO控制系统视为线性时不变系统,这使得传统控制方法无法处理各类误差带来的不确定性,无法发挥系统潜力获得最优性能。本文从传统AO控制方法与深度强化学习找到结合点并做探索性研究,建立自学习智能控制模型。深度学习与强化学习的结合将感知环境和系统控制无缝连接,使AO能够自动感知不确定的环境状态并完成自适应控制。该AO智能控制模型具有通用性,不依赖于建立准确模型,只需与环境互动学习,利用从外界反馈的回报信号和采集的环境状态不断调整控制策略,使其在线自学习最优控制策略或次优控制策略,可根据系统状态保持或逼近最佳性能。具体来说,传统基于离线建模的线性时不变控制方法无法处理以下三种情形:(1)AO控制平台在长时间运行过程中,受机械平台振动等时变因素的影响,波前校正器与波前传感器的相对位置发生偏移导致对准误差,使得系统参数发生异变无法自适应对准误差。(2)哈特曼传感器缺光引起的斜率信息缺失或噪声引起的斜率测量误差。这类误差直接耦合控制模型,斜率测量误差的传递造成控制性能下降或不稳定。(3)AO系统中时滞普遍存在,时滞校正误差对系统的性能影响很大,因此具有静态控制策略的控制方法无法实现自适应预测控制。本文围绕上述三种情形,展开理论分析和实验研究,建立线性和非线性两种针对AO的智能控制模型。该模型根据当前AO的环境特性进行在线策略优化,始终满足性能约束指标,为解决传统控制手段难以处理误差带来的控制性能下降,以及难以建立准确的系统模型和湍流模型提供了新思路。本文的主要研究内容如下:1.基于哈特曼传感器的AO系统其误差传递过程不可避免,误差传递将影响系统的校正性能,最大程度的补偿或抑制误差传递可显着提高系统的校正性能。AO主要误差来源分为五类:(1)H-S透镜阵列对波前的有限分割采样带来的空间采样误差;(2)斜率测量过程中噪声因素引入的斜率测量误差;(3)强闪烁条件下H-S子孔径斜率探测不理想或信息缺失;(4)H-S与变形镜的空间失配导致对准误差;(5)系统时滞因素导致的时滞校正误差。通过对上述五类误差进行分析,将其转化为组合目标函数的优化问题,推导出了利用组合目标函数的梯度信息作为误差补偿手段,为后续基于梯度信息的在线学习模型提供了理论基础。2.提出了AO系统的线性学习模型,该模型将远场性能指标和估计误差平方和的线性组合作为目标函数,能够自适应系统参数变化,不依赖于建立准确的系统模型。为使得学习模型保持良好的跟踪特性,引入了梯度动量项,动量项累积了之前迭代时的梯度信息,逐步弱化了历史梯度信息对当前模型训练的影响,提高了当前梯度信息的影响,动量项的引入避免了在线样本存储。同时还给出了模型的并行异步优化方法以及模型参数的初始化策略。最后,搭建了AO实验平台来验证线性学习模型的性能,实验结果表明该模型兼顾了斜率信息缺失补偿和自适应抑噪能力,显着提高了系统控制精度。数值分析表明,在不需要重新测量响应矩阵的情况下,实现了对准误差下的自适应性。该模型简单高效,具有一定的工程意义,但由于线性模型学习能力有限,当存在多对一映射关系时其学习过程容易产生线性偏移。3.针对线性学习模型存在的学习能力有限问题以及对湍流扰动的预测控制问题进行建模。提出了基于深度强化学习理论的非线性动态学习模型,该模型采用神经网络的泛映射性拟合策略函数,并通过强化学习的确定性策略梯度方法实现在线滚动优化策略。但是在实际在线策略优化时,若模型目标函数的梯度矩阵测量不准确或突增,则可能导致梯度爆炸使得学习模型不能正常工作。为避免梯度爆炸,保证网络模型稳定收敛,在该梯度反向传入网络模型之前,将梯度矩阵投影至较小的尺寸上,进行裁剪和约束。同时为了避免学习速率衰减过快,能够对每个网络参数自适应不同的学习速率,采用三点解决方案:一是使用历史窗口;二是对参数梯度动量项的历史窗口序列(不包括当前)使用均值;三是最终梯度项为历史窗口序列均值与当前梯度动量项的加权平均。最后,通过搭建AO实验系统来验证非线性动态学习模型对静态像差以及动态像差的校正能力,实验中引入了HT200热风式大气湍流模拟器来产生不同强度的大气湍流。实验结果表明,非线性动态学习模型具有建模方便以及过程描述可在线获得的特点,能及时弥补由于模型失配、畸变、干扰等因素引起的不确定性,模型通过在线误差补偿和噪声抑制提高了系统的控制精度,其自适应性提高了系统的稳定性。由于模型可在线学习湍流统计特性,无需离线建立湍流模型,实现了自适应预测控制模型,具有明显的工程和理论意义。
徐荣霞[5](2020)在《基于磁流变阻尼器的1/4车辆半主动悬架系统混合控制策略研究》文中研究表明随着社会、科学技术进步及汽车行业的迅速发展,人们对汽车性能的追求越来越高,作为车辆行驶系统的重要组成部分之一,悬架系统性能好坏会对乘坐舒适性、操纵稳定性及行驶安全性造成直接影响。传统的被动悬架通过弹簧和阻尼元件共同作用改善车辆振动,但其结构参数固定不可变,减振效果受到限制;半主动悬架可以通过控制算法改变悬架阻尼或刚度系数,控制输出阻尼力,从而控制悬架性能,具有良好的减振效果,且与主动悬架相比,半主动悬架结构简单、耗能低、成本低。采用磁流变阻尼器(MRD)的半主动悬架性能优良,能达到与主动悬架系统性能相近的减振效果,且具有耗能低、响应速度快、输出阻尼力大、可调范围广且顺逆可调等优点,因此有重要的应用价值。建立能准确描述磁流变阻尼器力学性能的数学模型和设计半主动悬架控制策略是磁流变半主动悬架系统研究的两个核心问题,本文针对这两个问题建立悬架系统模型并进行数值仿真分析开展研究,主要工作内容如下:(1)介绍磁流变阻尼器的工作原理及工作模式,叙述磁流变阻尼器不同的力学模型及各模型的特点。利用INSTRON实验系统对课题组已有的MRD进行试验测试,分析其速度特性和示功特性,选择改进的双曲正切模型作为本次研究中MRD的数学模型,采用遗传算法进行参数辨识,并将仿真结果和试验值进行对比,结果表明,参数辨识得到的模型能很好地描述MRD的力学特性。(2)建立路面输入模型和1/4车辆半主动悬架模型,并确立系统状态方程,选择车身加速度、悬架动行程及轮胎动位移作为悬架性能的评价指标,分析悬架参数对悬架传递特性的影响。(3)设计模糊控制器及模糊PID控制器,并通过设计合理的模糊规则控制磁流变阻尼器的输入电流,从而控制阻尼器的输出阻尼力,最终实现控制悬架减振的作用,并在MATLAB/Simulink环境下进行建模仿真,结果验证了这两种控制方法均具有效性,且模糊PID控制效果更好。同时针对模糊控制规则制定具有依赖性和主观性,规则制定过程复杂且调试繁琐的缺点,提出一种模糊LQG控制策略,通过对比分析验证该方法与模糊控制和模糊PID控制相比具有更好的减振效果,在随机路面行驶时,车身加速度均方根值较被动悬架减小43.83%,具有更好的车辆平顺性及行驶安全性。
周飞航[6](2020)在《永磁同步风能转换系统振动抑制及鲁棒控制研究》文中提出近年以来,风力发电技术取得了长足的发展与进步,但是仍存在许多问题有待进一步研究和探讨,比如:如何抑制机组的振动以及如何增强控制系统的鲁棒性等都是亟待解决的关键技术问题。由于风速的随机性与不确定性以及塔影效应和风切变等因素的影响,振动始终伴随着机组的运行,机组振动不仅会产生巨大的污染噪声,还会造成机组零部件的松动与各执行机构的损害,严重影响着机组的使用寿命。永磁同步风能转换系统(Permanent Magnet Synchronous Generator-based Wind Energy Conversion System,PMSG-based WECS)的振动主要涉及传动链扭振、塔筒振动、叶片颤振及它们之间可能存在的耦合振动。其中,传动链扭振除了会造成齿轮箱损坏、联轴器打滑等轴系损伤,还可能引起次同步振荡(Subsynchronous Oscillation,S SO)问题与次同步谐波(Subsynchronous Harmonics,SSH)问题,影响电网稳定运行。长时间的塔筒振动与叶片颤振则会引起塔筒及叶片的疲劳,甚至导致塔筒倒塌与叶片折断等事故的发生。此外,PMSG-based WECS在运行及控制过程中往往存在一些不确定性,如因机舱温度变化引起PMSG的参数摄动、未建模的功率变换器动态及风速的快速变化引起风力机转矩的波动等。这些不确定性都有可能对机组的高效、稳定运行造成影响。控制形成的闭环系统必须具备较强的鲁棒性,才能保证系统稳健运行。通常,常规控制器存在参数难整定以及鲁棒性不佳等问题,难以满足控制性能的要求。因此,本文主要围绕着PMSG-based WECS的振动抑制及鲁棒控制展开研究,主要研究内容有:(1)建立了 PMSG-based WECS的数学模型,介绍了其基本结构、运行模式及基本控制策略,深入分析了机组振动的激励源与机组存在的不确定性。详细介绍了“湍流”、“塔影效应”、“风切变效应”及“气动失速”等基本概念,并仔细分析了它们对机组运行的影响。(2)分析 了 PMSG-based WECS 在最优叶尖速比(Optimal Tip Speed Ratio,OTSR)控制下的扭振机理,建立了直流母线电容储能的变化与机组传动链扭振的关系,基于此关系提出了一种在转矩环与转速环引入与电容储能相关的补偿转矩与补偿转速的扭振抑制方案,有效抑制了风电机组在OTSR控制下的扭振。(3)基于中心流形定理分析了转速反馈变桨(Pitch Control Based on Speed Feedback,PCBSF)+直接功率控制(Direct Power Control,DPC)下风电机组的稳定性,并对系统模型进行了降阶。基于降阶后的系统模型,分析了风电机组在PCBSF+DPC下传动链的扭振机理,提出一种附加刚度与阻尼的扭振抑制方法,该方法不仅对传动链固有频率处的高频扭振具有极佳的抑制效果,还能有效抑制风速变化引起的低频强迫式扭振。(4)对传动链扭振引起的SSO及SSH问题进行了深入分析。研究表明:功率反馈控制会削弱系统阻尼,当系统总的阻尼变负,则会因SSO的发生而导致机组扭振失稳。此外,当系统处于欠阻尼状态时,风电机组在受到扰动及控制器切换的影响时,会导致并网电流与电压产生大量的SSH,会对电网造成冲击,并可能影响整个电力系统的安全。(5)建立了塔筒振动的模型,详细分析了塔筒振动的机理及塔影效应和风切变对塔筒振动的影响,分析得出塔影效应及风切变形成的3P分量是引起塔筒前后向振动与侧向振动的主要激励源,会在特定转速下引起塔筒共振,严重危害机组安全运行。同时,围绕塔筒共振区穿越法、塔筒前后向振动的阻尼控制法进行了深入研究,提出了一种抑制能力更强、性能更加优异的滑模变桨控制策略,实现了对塔筒振动的抑制。(6)叶片颤振分为沿风轮法线方向的挥舞与切线方向的摆振。详细分析了叶片的挥舞与摆振机理,建立了叶片沿挥舞与摆振方向颤振的数学模型。深入分析了塔影效应及风切变对叶片颤振的影响,研究了包括阻尼控制、LQG控制、H∞控制及LQG/LTR控制在内的多种抑制叶片颤振的方案,并给出了控制器设计的具体过程。研究结果表明基于独立变桨的LQG/LTR控制对叶片颤振的抑制具有很好的效果。(7)针对PMSG-based WECS存在的不确定性对系统运行的影响,提出了基于PI型滑模面的鲁棒控制方案与基于状态反馈的鲁棒滑模控制方案。与常规控制相比,所提出的鲁棒滑模控制方案具有良好的鲁棒性,能够降低电流谐波畸变率的同时,减小风电机组的转矩脉动。
曹松青[7](2020)在《基于光电检测与信息处理的风电系统先进控制策略研究》文中研究指明随着风力发电机组单机容量向着大型化和高参数化方向发展,风机载荷控制和发电机功率调节的重要性日益突出,其决定了风力发电机组输出电能的质量,并直接影响着系统的可靠性、鲁棒性和稳定性。对随机风速和叶片载荷实时、有效的检测和可靠、精确的算法处理是实现对风电系统有效控制的前提与关键。本文针对常规风速仪无法有效地测量轮毂处风速,风速估计方法存在精度差、滞后性等问题,提出了基于激光雷达的风速检测和估算方法。首先介绍激光雷达的远距离风速测量原理和方法,然后为了得到更准确的轮毂处有效风速,提出基于自回归移动平均与外源输入(Auto-regressive moving average and external input,简称Armax)模型的风场演变过程建模和风速预估方法。采用光纤光栅应变传感器测量风机叶根应变,间接地获得叶根面外方向弯矩,并进行了温度补偿。为了减小塔架和叶片振动以及风剪切效应所产生的测量噪声,设计了经验模态分解方法对测量的载荷信号进行降噪处理。最后通过模拟实验验证了上述方法的可行性和有效性。为了实现风力发电机组在低风速区的最大功率跟踪控制目标,针对常规控制方法转速跟踪性能差、发电机转矩抖振的问题,将超扭曲高阶滑模算法与最佳转矩控制相结合,提出了基于激光雷达风速检测的最佳转矩控制改进算法,既提高了风能利用率,又减小了机械疲劳;为了保证风力发电机组在高风速区的的输出功率稳定和抑制风机叶片不平衡载荷,在输出功率控制环节,针对常规LQG控制无法解决未建模动态、偏离典型工况点时存在稳态误差的问题,在LQG控制的基础上引入积分控制器进行偏差补偿,并添加基于风速测量的前馈控制以克服风速扰动,成功消除稳态误差。在载荷控制环节,针对风速突变导致内部模型参数摄动以及输出通道上可能产生不确定性干扰的问题,将非线性模型预测控制与PID控制相结合构成复合控制器,有效地抑制了叶片不平衡载荷、提高了系统的鲁棒性。
何弘毅[8](2020)在《基于DLUKF的非线性控制方法研究》文中研究表明板球系统是经典的非线性运动控制系统,因其存在强非线性、强耦合性,对调节速度及超调量要求高等控制难点,被广泛用于控制方法有效性的验证及不同算法控制效果对比。连续搅拌釜系统(Continuous Stirred Tank Reactor,CSTR)是重要的化工过程控制系统,除了系统非线性问题外,还有部分状态不可直接测量,以及可能存在严重的噪声和干扰等控制问题。因此,两种系统的也一直是非线性控制领域研究的重要对象。回路传递函数恢复法(Loop Transfer Recovery,LTR)是在线性二次型调节器(Linear quadratic regulator,LQR)结合卡尔曼滤波器的基础上提出的一种结构简单,算法清晰且各项控制性能良好的控制方法。国内外文献有关LTR方法的研究主要集中于飞行器等运动控制系统的应用,存在着一定的局限性。本文在广泛查阅非线性控制方法文献的基础上,将线性LTR方法拓展至非线性控制领域,提出了一种设计简单鲁棒性良好的非线性DLUKF-LTR方法,一定程度上解决了板球系统(非线性运动控制)及CSTR系统(非线性过程控制)中存在的控制难题,取得了良好的控制效果。本文主要工作如下:首先,给出了有关控制研究理论基础,介绍了灵敏度函数的概念,阐述了卡尔曼滤波算法和LTR方法的基本原理及回路传递函数恢复的推导过程。其次,分别给出板球系统和CSTR系统数学模型的建立推导,并结合控制理论知识对两种系统进行了简要分析。再次,以板球系统为例,基于普通卡尔曼滤波器以及扩展卡尔曼滤波器(Extended Kalman Filter,EKF),无迹卡尔曼滤波器(Unscented Kalman Filter,UKF),双层无迹卡尔曼滤波器(Double Layers Unscented Kalman Filter,DLUKF)设计了 LTR控制器,并通过仿真实验,分析了加权矩阵参数选择对控制效果的影响,同时对比了经典双闭环PID方法和线性LTR方法以及非线性LTR方法的控制效果,证明了基于DLUKF的非线性LTR控制效果最好。最后,针对丙二醇生产过程设计了基于EKF,UKF,DLUKF的状态估计器,对比了估计效果。随后针对放热反应模型设计了基于DLUKF的非线性LTR控制器,通过与经典PID控制器以及终端滑模控制器对比,证明了输入条件接近的情况下,本文提出的方法具有更好的控制效果,鲁棒性良好。
马彪[9](2020)在《大型桁架式桥梁检测车主动减振研究》文中研究指明大型桁架式桥梁检测车能够对大宽度的桥梁进行流动检测和养护,在工作时需要把工作人员送到桥底,因此在空间中形成了一个很长的钢结构平台。由于材料的弹性,在诸如工作人员行走、桥梁振动、风载荷等的扰动下,桥梁检测车的车身与工作平台会产生振动。这种振动会降低工作平台的稳定性和舒适度。为了提高桁架式桥梁检测车对外部环境扰动的适应能力并为工作人员创造更稳定的工作平台,本论文以某型号的桁架式桥梁检测车为研究对象,展开对其振动控制的研究。建立桥检车在扰动下的力学方程,用PID控制算法对主动悬架进行控制从而减小车身的振动,用LQG控制算法对主动质量阻尼减振器进行控制从而减小工作平台的振动,把得到的受控状态下的仿真结果与无控时的对比,显示出了较好的减振效果。首先,对桥梁的模型进行简化,并根据欧拉-伯努利梁假设建立桥梁横向振动的力学方程。求出匀速移动车辆对桥梁作用的广义力,用Mat Lab做出桥梁跨中振动的响应曲线。其次,用PID控制算法设计了主动悬架。列出微分方程形式的悬架振动力学方程,用拉普拉斯变换求出传递函数。用Simulink仿真出车身在无控情况下的振动响应。设计PID控制器比例、积分、微分环节的增益系数,用Simulink仿真,得出主动悬架对车身振动的控制效果。再次,用离散化的方法对工作平台力学模型进行简化,建立力学方程。简化行人载荷的模型,用Mat Lab分别计算出行人在桁架各段行走所产生的振动响应。计算出脉动风对桁架的载荷,用Mat Lab计算出桁架在风载荷下的振动响应。最后,建立有主控力的工作平台力学方程。用LQR控制算法求出了反馈增益矩阵K。设计Kalman滤波器,求出卡尔曼滤波增益。根据LQG控制算法用Simulink分别建立桁架在行人激励和脉动风激励下的振动控制仿真模型。求出LQG控制算法下系统的振动响应,与无控时的振动响应对比。
蒋美英[10](2019)在《复杂多变量系统闭环辨识与内模控制方法研究》文中提出工业现场多变量系统包含不确定性、多时滞、强耦合、输入输出受约束等特征,往往存在模型难以精确刻画等问题,采用传统单一的系统控制器设计方法难以满足高精度控制品质的需求。为获得更好的系统控制品质,本文引入强化学习、频域分析和平均频域非方相对增益矩阵(NRGA,Nonsquare Relative Gain Array)等先进策略,从系统模型参数估计、内模控制器设计及参数优化、控制器的稳定性与鲁棒性分析和补偿器设计等方面对复杂多变量系统中一些较难解决的问题进行研究,提出解决方案和改进措施,并结合实验仿真进行验证。本文主要研究内容包括:1、针对闭环系统辨识问题,引入频域响应估计法(FRE,Frequency Response Estimation),利用系统的频率特性分析系统的控制性能,能够快速准确给出所辨识受控对象模型的参数估计,然而该方法存在一定的局限性,即模型估计精度取决于衰减因子的选择。本文基于强化学习算法(CARLA,Continuous Action Reinforcement Learning Automata)提出了具有自适应特性的衰减因子计算方法——基于强化学习的频域响应估计法(CARLA-FRE)。该方法借助连续动作强化学习算法的在线搜索和学习能力,通过动态调整得到最优的衰减因子。对所采用的CARLA算法进行多种基本函数辨识能力测试,及与粒子群算法(PSO,Particle Swarm Optimization)、并行弥漫式(FWA,Fireworks Algorithm)算法对比,CARLA算法具备更强的全局搜索能力和准确性;2、将(1)中所提的CARLA-FRE方法扩展到多变量方系统和非方系统闭环辨识中,为后续先进控制器的设计提供优化模型。该方法利用顺序激励信号法将多输入多输出(MIMO)系统等效分解成若干个单输入单输出(SISO)系统,然后利用CARLA-FRE方法获取子系统参数的解析表达式,进而获得模型估计,实现多变量方系统和非方系统的闭环辨识问题。最后,将该方法应用到多变量系统的内模控制中,围绕基于CARLA-FRE方法在多变量系统中的内模控制器设计展开研究,选取经典的Wood-Berry模型(方系统)和Shell模型(非方系统)进行仿真验证。该方法融合强化学习与频域响应估计法,具备更强的在线学习能力和抗干扰能力,为后续内模控制研究提供模型支撑;3、为实现提高多变量多时滞控制系统性能的目的,采用线性二次高斯控制(LQG,Linear Quadratic Gaussian)方法对所提基于频域辨识的模型进行最优控制器设计。由于多变量多时滞系统中存在大量的噪声、延迟以及各部分参数摄动,本文将LQG控制方法引入到多变量多时滞过程模型中,针对此类模型中所包含系统延迟、噪声和参数摄动等不确定因素进行有效补偿和控制,提高系统参数失配鲁棒性和扰动抑制能力;4、针对一类典型强耦合非方系统,提出了两种内模控制器设计优化方法。以多变量时滞秩亏系统为研究对象,设计基于惩罚伪逆的内模控制器,通过引入惩罚因子,用非满秩系统的伪逆来代替模型的逆,提出适合时滞秩亏系统的内模控制器设计方法,采用连续强化学习对惩罚因子进行寻优,获得最大惩罚因子。针对多变量结构秩亏系统,设计基于补偿器原理的内模控制器,采用平均频域NRGA准则实现对方形子系统的最优选择。仿真结果表明,所提的两种内模控制器优化方法不但简单易行,而且在系统模型参数失配情况下也具有较强的鲁棒性和稳定性。
二、PRECISE INTEGRATION METHOD FOR LQG OPTIMAL MEASUREMENT FEEDBACK CONTROL PROBLEM(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、PRECISE INTEGRATION METHOD FOR LQG OPTIMAL MEASUREMENT FEEDBACK CONTROL PROBLEM(论文提纲范文)
(1)固体氧化物燃料电池—燃气轮机混合系统的区间LQG控制策略研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 固体氧化物燃料电池(SOFC) |
1.2.1 SOFC简介 |
1.2.2 SOFC的研究现状 |
1.3 固体氧化物燃料电池-燃气轮机(SOFC-GT)混合系统 |
1.3.1 SOFC-GT混合系统结构及工作原理 |
1.3.2 SOFC-GT混合系统建模的研究现状 |
1.3.3 SOFC-GT混合系统控制的研究现状 |
1.4 本文主要工作 |
第2章 区间分析理论及区间算法 |
2.1 引言 |
2.2 区间分析理论 |
2.2.1 基本概念 |
2.2.2 运算法则 |
2.3 区间算法 |
2.3.1 区间算法优点 |
2.3.2 泰勒级数法 |
2.3.3 切比雪夫方法 |
2.3.4 实践应用 |
2.4 本章小结 |
第3章 SOFC-GT混合系统动态建模 |
3.1 引言 |
3.2 改进底层循环式SOFC-GT混合系统结构 |
3.3 SOFC-GT混合系统数学模型 |
3.3.1 SOFC |
3.3.2 氧化燃烧室 |
3.3.3 换热器 |
3.3.4 燃气轮机 |
3.4 SOFC-GT混合系统模型简化 |
3.4.1 模型线性化 |
3.4.2 模型降阶 |
3.5 本章小结 |
第4章 区间LQG控制策略研究 |
4.1 引言 |
4.2 分散控制策略简介 |
4.3 区间LQG控制策略 |
4.3.1 普通LQR的区间扩展 |
4.3.2 观测器设计 |
4.4 仿真分析 |
4.4.1 参数设置 |
4.4.2 仿真结果 |
4.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(2)自适应光学系统扰动模型辨识及最优控制技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 引言 |
1.2 自适应光学技术概述 |
1.2.1 自适应光学原理及系统组成 |
1.2.2 自适应光学技术进展 |
1.2.3 国内自适应光学技术发展 |
1.3 自适应光学系统扰动校正问题 |
1.3.1 自适应光学系统扰动存在问题 |
1.3.2 自适应光学系统扰动控制问题 |
1.3.3 自适应光学系统扰动控制技术进展 |
1.4 自适应光学系统扰动抑制难点 |
1.5 本文的研究内容及结构 |
第2章 自适应光学系统扰动模型 |
2.1 扰动像差表示 |
2.2 扰动特性 |
2.2.1 大气湍流特性 |
2.2.2 非湍流扰动特性 |
2.3 不同扰动模型描述 |
2.4 动态扰动模型构建 |
2.5 本章小结 |
第3章 扰动模型辨识 |
3.1 常用的辨识方法及其特点 |
3.2 粒子群优化算法简述 |
3.3 扰动模型辨识 |
3.3.1 扰动功率谱密度估计 |
3.3.2 扰动源分离 |
3.3.3 基于粒子群优化算法的扰动模型辨识 |
3.4 模型辨识验证 |
3.5 本章小结 |
第4章 最优扰动控制器 |
4.1 扰动控制系统及最优性能指标 |
4.2 最优模式增益积分控制 |
4.3 线性二次高斯控制 |
4.4 控制结构可调整的多模式LQG控制器 |
4.5 LQG扰动控制器性能验证 |
4.6 本章小结 |
第5章 基于1-m NVST实测数据的LQG扰动控制验证 |
5.1 望远镜平台及其自适应光学系统简介 |
5.2 光束扰动抑制方法验证 |
5.2.1 测量数据 |
5.2.2 辨识方法的性能 |
5.2.3 基于模型的LQG控制的有效性 |
5.3 扰动抑制的可行性评估 |
5.4 本章小结 |
第6章 基于LQG控制的自适应光学系统扰动控制实验 |
6.1 基于室内实验平台的扰动控制 |
6.1.1 实验平台介绍 |
6.1.2 系统扰动模型辨识 |
6.1.3 扰动控制性能分析 |
6.2 1.8 mCLST系统扰动控制 |
6.2.1 1.8 m太阳望远镜平台简介 |
6.2.2 倾斜扰动模型辨识 |
6.2.3 倾斜扰动抑制 |
6.3 本章小结 |
第7章 自适应光学系统的混合控制策略 |
7.1 自适应光学系统混合控制策略 |
7.2 实验数据分析 |
7.2.1 数据分析 |
7.2.2 混合控制仿真 |
7.3 本章小结 |
第8章 总结与展望 |
8.1 本论文的主要研究内容 |
8.2 本论文的主要创新点 |
8.3 后续工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(3)线性自抗扰控制方法及其压水堆功率控制研究(论文提纲范文)
摘要 |
Abstract |
主要符号对照表 |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.1.1 压水堆控制系统及其局限性 |
1.1.2 压水堆被控对象动态特性 |
1.1.3 自抗扰控制的起源 |
1.2 国内外研究现状 |
1.2.1 现有压水堆控制概况 |
1.2.2 自抗扰控制研究现状 |
1.3 本课题的主要研究内容 |
第2章 模型辅助的自抗扰控制及其参数整定 |
2.1 引言 |
2.2 自抗扰控制特点 |
2.3 LADRC控制系统描述 |
2.3.1 被控对象描述 |
2.3.2 系统扩张状态后的状态方程描述 |
2.3.3 线性连续扩张状态观测器 |
2.3.4 线性状态误差反馈控制律 |
2.3.5 控制系统方框图 |
2.4 LADRC的参数物理意义和整定 |
2.4.1 控制系统的频带宽度 |
2.4.2 ω_o的意义和选取 |
2.4.3 ω_c的意义和选取 |
2.4.4 LADRC参数整定 |
2.5 本章小结 |
第3章 模型辅助LADRC和PID的参数关系 |
3.1 引言 |
3.2 方法一 |
3.2.1 几个重要结论 |
3.2.2 例题 |
3.3 方法二 |
3.3.1 鲁棒稳定性的度量 |
3.3.2 例题 |
3.4 本章小结 |
第4章 基于降阶状态观测器的压水堆功率自抗扰控制 |
4.1 引言 |
4.2 压水堆堆芯模型 |
4.2.1 压水堆堆芯非线性模型 |
4.2.2 模型变换 |
4.3 基于RESO的LADRC |
4.4 仿真分析 |
4.4.1 不同LADRC性能比较 |
4.4.2 模型不确定性 |
4.4.3 抗扰性 |
4.4.4 鲁棒性 |
4.5 本章小结 |
第5章 基于部分反馈线性化的压水堆功率自抗扰控制 |
5.1 引言 |
5.2 PWR堆芯非线性模型的PFL设计 |
5.3 PWR的LADRC设计 |
5.4 闭环系统稳定性 |
5.5 控制性能评价 |
5.5.1 跟踪性 |
5.5.2 抗扰性 |
5.5.3 鲁棒性 |
5.5.4 比较 |
5.6 本章小结 |
第6章 压水堆模糊建模及模糊自抗扰控制 |
6.1 引言 |
6.2 用于LADRC设计的非线性模型 |
6.3 压水堆非线性系统的模糊建模 |
6.3.1 非线性项的T-S模糊表示 |
6.3.2 压水堆二阶非线性模型的T-S模糊近似 |
6.3.3 基于运行数据的压水堆T-S模糊模型辨识 |
6.4 基于T-S模糊模型的压水堆功率控制器设计 |
6.4.1 基于T-S模糊模型的LADRC设计 |
6.4.2 基于T-S模糊模型的前馈控制设计 |
6.5 仿真分析 |
6.5.1 基于非线性模型解析的模糊模型LADRC性能 |
6.5.2 基于运行数据辨识的模糊模型LADRC性能 |
6.5.3 基于两种模型构建方法所得控制器的性能比较 |
6.6 本章小结 |
第7章 结论与展望 |
7.1 研究结论 |
7.2 未来工作展望 |
参考文献 |
攻读博士学位期间发表的主要论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)基于深度强化学习的自适应光学波前控制研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 波前控制技术国内外研究历史与现状 |
1.2.1 有波前探测控制技术 |
1.2.2 无波前探测控制技术 |
1.3 论文结构安排 |
第二章 传统线性控制模型的误差传递 |
2.1 像差表述 |
2.2 哈特曼斜率计算 |
2.3 波前复原 |
2.3.1 区域法 |
2.3.2 模式法 |
2.3.3 直接斜率法 |
2.4 传统线性控制模型 |
2.5 控制模型的误差传递 |
2.5.1 斜率测量误差 |
2.5.2 斜率信息缺失 |
2.5.3 空间采样误差 |
2.5.4 波前测量误差的敏感度分析 |
2.6 H-S与波前校正器的对准误差 |
2.7 本章小结 |
第三章 远场指标梯度抑制误差传递 |
3.1 远场指标梯度估计 |
3.2 梯度信息补偿误差传递分析 |
3.3 梯度信息补偿对准误差分析 |
3.4 本章小结 |
第四章 在线自学习线性控制模型 |
4.1 线性动态学习模型 |
4.2 模型的训练方法 |
4.3 递归最小二乘参数估计 |
4.4 学习模型流程及优化 |
4.5 模型参数初始化策略 |
4.6 实验与分析 |
4.6.1 测量噪声抑制 |
4.6.2 斜率信息缺失补偿 |
4.6.3 自适应对准误差及其数值分析 |
4.7 模型的线性偏移 |
4.8 本章小结 |
第五章 深度强化学习控制模型 |
5.1 非线性动态学习模型 |
5.2 神经网络基本原理 |
5.2.1 前馈计算 |
5.2.2 误差反向传播 |
5.3 模型的训练方法 |
5.4 梯度约束及其优化 |
5.5 强化学习理论框架 |
5.5.1 马尔科夫决策过程 |
5.5.2 值函数与最优性原理 |
5.5.3 TD方法与值函数逼近 |
5.5.4 策略梯度 |
5.6 策略优化流程 |
5.7 实验与分析 |
5.7.1 测量噪声抑制 |
5.7.2 斜率信息缺失补偿 |
5.7.3 动态波前预测控制 |
5.7.4 自适应对准误差及其数值分析 |
5.8 抑制线性偏移 |
5.9 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 论文主要创新点 |
6.3 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(5)基于磁流变阻尼器的1/4车辆半主动悬架系统混合控制策略研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 磁流变液的特性 |
1.2.1 磁流变液 |
1.2.2 磁流变液的流变特性 |
1.2.3 磁流变阻尼器的工作原理 |
1.2.4 磁流变阻尼器的工作模式 |
1.3 磁流变半主动悬架系统研究现状 |
1.3.1 悬架系统研究概述 |
1.3.2 国内外磁流变半主动悬架研究现状 |
1.4 磁流变半主动悬架控制策略研究概述 |
1.5 本文主要研究内容 |
第二章 磁流变阻尼器力学模型 |
2.1 MRD的力学模型 |
2.1.1 伪静力模型 |
2.1.2 参数模型 |
2.1.3 非参数模型 |
2.2 MRD的动力特性实验 |
2.3 改进的双曲正切模型参数辨识 |
2.4 本章小结 |
第三章 1/4车辆半主动悬架系统动力学模型建立及分析 |
3.1 悬架系统性能评价指标 |
3.2 路面输入模型 |
3.2.1 基于有理函数的白噪声生成法 |
3.2.2 滤波白噪声生成法 |
3.2.3 积分白噪声生成法 |
3.3 1/4车辆半主动悬架系统力学模型 |
3.4 悬架系数对减振效果的影响 |
3.4.1 悬架阻尼系数对减振效果的影响分析 |
3.4.2 刚度对减振效果的影响分析 |
3.5 本章小结 |
第四章 磁流变1/4车辆半主动悬架模糊控制策略研究 |
4.1 模糊控制策略 |
4.1.1 模糊控制基本思想 |
4.1.2 模糊控制原理 |
4.1.3 半主动悬架模糊控制器设计 |
4.2 模糊控制仿真结果分析 |
4.3 PID控制策略 |
4.3.1 PID控制基本思想 |
4.3.2 PID控制策略 |
4.4 模糊PID控制策略 |
4.4.1 模糊PID控制思想 |
4.4.2 模糊PID控制原理 |
4.4.3 模糊PID控制器设计 |
4.5 模糊PID控制仿真结果分析 |
4.6 本章小结 |
第五章 磁流变1/4车辆半主动悬架模糊LQG控制策略研究 |
5.1 LQG控制策略 |
5.1.1 LQG控制算法 |
5.1.2 LQG半主动控制器设计 |
5.2 模糊LQG控制策略 |
5.2.1 模糊LQG半主动控制器 |
5.2.2 模糊LQG半主动控制器设计 |
5.3 模糊LQG控制仿真结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 主要工作总结 |
6.2 工作展望 |
参考文献 |
个人简历 在读期间发表的学术论文 |
致谢 |
(6)永磁同步风能转换系统振动抑制及鲁棒控制研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究的背景 |
1.1.1 风力发电的发展概况 |
1.1.2 风力发电机组分类 |
1.1.3 风力发电机的分类及主电路拓扑介绍 |
1.2 课题研究的意义 |
1.2.1 关于PMSG-based WECS传动链扭振问题的研究意义 |
1.2.2 关于PMSG-based WECS塔筒振动问题的研究意义 |
1.2.3 关于PMSG-based WECS叶片颤振问题的研究意义 |
1.2.4 关于PMSG-based WECS鲁棒控制方案的研究意义 |
1.3 国内外研究现状 |
1.3.1 关于传动链扭振问题的研究现状 |
1.3.2 关于塔筒振动的研究现状 |
1.3.3 关于叶片颤振的研究现状 |
1.3.4 关于机组鲁棒控制的研究现状 |
1.4 本文的主要研究内容及组织结构 |
2 PMSG-based WECS的基本原理及控制 |
2.1 引言 |
2.2 PMSG-based WECS的基本结构及运行机制 |
2.2.1 PMSG-based WECS的基本结构 |
2.2.2 PMSG-based WECS的运行机制 |
2.3 PMSG-based WECS的基本模型 |
2.3.1 风速模型 |
2.3.2 风力机模型 |
2.3.3 变桨系统模型 |
2.3.4 传动链模型 |
2.3.5 PMSG模型 |
2.3.6 网侧滤波电路模型 |
2.4 PMSG-based WECS的基本控制策略 |
2.4.1 功率变换器控制 |
2.4.2 MPPT控制 |
2.4.3 恒功率控制 |
2.5 风电机组的振动激励源分析 |
2.5.1 湍流 |
2.5.2 风切变 |
2.5.3 塔影效应 |
2.5.4 气动失速效应 |
2.6 风电机组的不确定性分析 |
2.7 本章小结 |
3 传动链扭振分析及抑制方法研究 |
3.1 引言 |
3.2 OTSR控制下传动链扭振分析与抑制 |
3.2.1 柔性传动链模态分析 |
3.2.2 OTSR控制下的扭振分析 |
3.2.3 OTSR控制下的扭振抑制 |
3.2.4 OTSR控制下的扭振抑制测试 |
3.3 PCBSF+DPC下传动链扭振分析与抑制 |
3.3.1 PCBSF+DPC下系统小信号稳定性分析 |
3.3.2 基于降阶系统的扭振机理分析 |
3.3.3 PCBSF+DPC下的扭振抑制方案研究 |
3.3.4 PCBSF+DPC下的扭振抑制测试 |
3.4 SSO及 SSH问题分析与总结 |
3.4.1 SSO问题分析 |
3.4.2 SSH问题分析 |
3.4.3 SSO与 SSH问题总结 |
3.5 本章小结 |
4 塔筒振动分析及抑制方法研究 |
4.1 引言 |
4.2 塔筒振动建模 |
4.2.1 气动阻力与升力计算 |
4.2.2 塔筒前后向振动模型 |
4.2.3 塔筒侧向振动模型 |
4.3 塔筒模型简化及振动分析 |
4.3.1 OTC控制下的塔筒模型简化 |
4.3.2 塔影效应及风切变对塔筒振动的影响 |
4.4 塔筒振动的抑制方案研究 |
4.4.1 共振区穿越法 |
4.4.2 变桨控制 |
4.4.3 仿真分析 |
4.5 本章小结 |
5 叶片颤振分析及抑制方法研究 |
5.1 引言 |
5.2 叶片颤振建模 |
5.2.1 叶片挥舞模型 |
5.2.2 叶片摆阵模型 |
5.3 叶片颤振分析与抑制 |
5.3.1 叶片颤振分析 |
5.3.2 基于独立变桨的叶片阻尼控制研究 |
5.3.3 基于独立变桨的LQG控制研究 |
5.3.4 基于独立变桨的H∞控制研究 |
5.3.5 基于独立变桨的LQG/LTR控制研究 |
5.4 仿真分析 |
5.5 本章小结 |
6 针对PMSG-based WECS不确定性的鲁棒滑模控制研究 |
6.1 引言 |
6.2 鲁棒滑模控制研究 |
6.2.1 基于PI型滑模面的鲁棒控制方案 |
6.2.2 基于状态反馈的鲁棒滑模控制方案 |
6.3 基于PI型滑模面的PMSG-based WECS鲁棒PSFC研究 |
6.3.1 基于PI型滑模面的鲁棒PSFC控制器设计 |
6.3.2 仿真测试1 |
6.4 基于状态反馈的PMSG-based WECS鲁棒滑模控制研究 |
6.4.1 基于状态反馈的鲁棒滑模控制器设计 |
6.4.2 仿真测试2 |
6.5 基于PI型滑模面的PMSG-based WECS鲁棒OTC研究 |
6.5.1 基于PI型滑模面的鲁棒OTC控制器设计 |
6.5.2 仿真测试3 |
6.6 本章小结 |
7 结论与展望 |
7.1 结论与创新点 |
7.2 展望 |
致谢 |
参考文献 |
攻读博期间参与项目及取得成果 |
(7)基于光电检测与信息处理的风电系统先进控制策略研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 相关技术的国内外研究现状 |
1.2.1 激光雷达风速检测研究现状 |
1.2.2 光纤光栅叶片载荷检测研究现状 |
1.2.3 风力发电机组控制策略研究现状 |
1.3 本文的主要研究内容及组织结构 |
1.3.1 主要研究内容 |
1.3.2 组织结构 |
第二章 激光雷达风速检测方法与信息处理 |
2.1 激光雷达风速检测原理 |
2.2 轮毂处有效风速预测 |
2.2.1 测量装置 |
2.2.2 风演变过程建模 |
2.2.3 轮毂处有效风速预测 |
2.3 本章小结 |
第三章 基于光纤光栅传感器的风机叶片载荷检测方法与降噪处理 |
3.1 光纤光栅传感器载荷检测原理 |
3.1.1 光纤光栅传感特性 |
3.1.2 温度补偿FBG应变传感器 |
3.1.3 基于FBG的风机叶根弯矩检测原理 |
3.1.4 光纤光栅波分复用技术 |
3.2 基于光纤光栅传感器的叶根弯矩测量系统 |
3.3 光纤光栅传感器标定 |
3.4 基于经验模态分解的叶根载荷信号降噪处理 |
3.4.1 经验模态分解(EMD)的基本原理 |
3.4.2 基于EMD阈值处理的降噪方法 |
3.4.3 结果与分析 |
3.5 本章小结 |
第四章 基于激光雷达风速检测的风机最大功率跟踪控制 |
4.1 系统模型 |
4.1.1 空气动力系统模型 |
4.1.2 传动系统模型 |
4.1.3 风力发电机模型 |
4.2 基于激光雷达风速检测与信息处理的风机最佳状态参数计算 |
4.3 基于超扭曲算法的最大功率跟踪控制 |
4.3.1 滑模面的定义 |
4.3.2 基于超扭曲算法的改进最佳转矩(STC-OT)控制器设计 |
4.3.3 粒子群算法优化控制器参数 |
4.4 仿真与分析 |
4.5 本章小结 |
第五章 基于光纤光栅叶片载荷测量的风机功率与载荷控制 |
5.1 系统模型 |
5.1.1 变桨执行机构模型 |
5.1.2 独立变桨距系统模型 |
5.2 功率控制 |
5.2.1 风力发电机组模型的线性化 |
5.2.2 具有积分作用的LQG控制器(LQG-I)设计 |
5.2.3 基于激光雷达检测的前馈控制器设计 |
5.2.4 仿真与分析 |
5.3 载荷控制 |
5.3.1 基于神经网络的非线性模型预测控制器设计 |
5.3.2 基于PID的反馈控制器设计 |
5.3.3 仿真结果 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
图表目录 |
图目录 |
表目录 |
致谢 |
附录 在学期间学术成果情况 |
发表文章 |
申请发明专利 |
软件着作权 |
作者简历 |
(8)基于DLUKF的非线性控制方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题的背景及意义 |
1.2 有关领域研究进展 |
1.2.1 非线性控制理论发展现状 |
1.2.2 板球系统控制方法研究现状 |
1.2.3 CSTR系统控制方法研究现状 |
1.3 卡尔曼滤波算法研究现状 |
1.4 LTR方法概述 |
1.5 待解决的问题 |
1.6 本文的研究内容和创新点 |
第二章 控制理论和算法基础 |
2.1 引言 |
2.2 LTR方法 |
2.2.1 LQR方法原理 |
2.2.2 卡尔曼滤波算法原理 |
2.2.3 LTR方法原理 |
2.3 UKF与DLUKF算法原理 |
2.3.1 UKF算法原理 |
2.3.2 比例修正对称采样 |
2.3.3 UKF算法流程 |
2.4 系统评价指标-灵敏度函数 |
2.5 本章小结 |
第三章 系统模型的建立 |
3.1 引言 |
3.2 板球系统模型建立 |
3.2.1 机理模型的建立 |
3.2.2 模型分析 |
3.3 CSTR系统模型建立 |
3.3.1 CSTR的结构及工作原理 |
3.3.2 CSTR的非线性模型 |
3.3.3 模型分析 |
3.3.4 无量纲化处理 |
3.4 本章小结 |
第四章 基于板球系统的非线性LTR方法设计 |
4.1 引言 |
4.2 基于普通线性KF的板球系统LTR控制器 |
4.2.1 模型的转换及估计器的设计 |
4.2.2 线性板球系统LTR/LQG控制器设计 |
4.3 基于EKF的非线性LTR控制器设计 |
4.4 基于UKF的非线性LTR控制器设计 |
4.5 基于DLUKF的非线双反馈LTR控制器设计 |
4.6 仿真研究 |
4.6.1 卡尔曼滤波算法效果验证实验 |
4.6.2 线性KF与非线性EKF控制策略对比实验 |
4.6.3 三种非线性卡尔曼滤波算法估计效果对比实验 |
4.6.4 基于三种滤波器的非线性LTR控制器性能对比 |
4.6.5 双反馈DLUKF-LTR控制器效果实验 |
4.6.6 与经典的板球系统控制方案对比实验 |
4.7 本章小结 |
第五章 基于CSTR系统的非线性LTR方法设计 |
5.1 引言 |
5.2 CSTR系统状态估计 |
5.3 仿真实验一 |
5.4 CSTR系统的双反馈DLUKF-LTR控制器设计 |
5.5 仿真实验二 |
5.5.1 双反馈DLUKF-LTR控制器性能验证 |
5.5.2 不同q取值对控制效果的影响实验 |
5.5.3 与其他算法控制效果对比实验 |
5.6 本章小结 |
第六章 成果与展望 |
6.1 成果 |
6.2 展望 |
参考文献 |
致谢 |
研究成果及发表的学术论文 |
导师及作者简介 |
附件 |
(9)大型桁架式桥梁检测车主动减振研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究的背景及意义 |
1.2 国内外桥梁检测车发展及研究现状 |
1.2.1 国内外桥梁检测车发展现状 |
1.2.2 国内桥梁检测车研究现状 |
1.3 国内外主动、半主动减振研究现状 |
1.4 存在的问题 |
1.5 研究的主要内容 |
第二章 桥梁振动对桥检车的影响分析 |
2.1 建立桥梁横向振动力学模型 |
2.1.1 桥梁横向振动各阶振型 |
2.1.2 桥梁横向振动微分方程 |
2.2 来往车辆对桥面的振动激励 |
2.2.1 行驶车辆自重对桥梁振动的影响 |
2.2.2 匀速移动力偶对桥梁振动的影响 |
2.3 求解桥梁在激励下的响应 |
2.3.1 桥梁在两种激励下的响应 |
2.3.2 工程实例计算 |
2.4 本章小结 |
第三章 主动悬架减振 |
3.1 桥梁检测车悬架力学模型建立 |
3.2 悬架系统传递函数的建立 |
3.3 无控时桥检车的振动响应 |
3.4 主控力的计算 |
3.4.1 PID控制算法 |
3.4.2 主动悬架Simulink仿真 |
3.5 随机扰动下主动悬架的减振效果分析 |
3.6 本章小结 |
第四章 桁架振动的分析 |
4.1 桁架式桥梁检测车基本结构与工作原理 |
4.1.1 桁架式桥梁检测车基本结构 |
4.1.2 桁架式桥梁检测车工作过程 |
4.2 桥梁检测车臂架力学模型建立 |
4.2.1 臂架基本参数 |
4.2.2 臂架力学模型的简化 |
4.2.3 臂架力学模型的建立 |
4.3 工作人员的行走对桁架的激励分析 |
4.3.1 行人力学模型建立 |
4.3.2 行人激励分析 |
4.4 风载荷对桁架的激励分析 |
4.5 本章小结 |
第五章 结构主动质量阻尼减振 |
5.1 主动质量阻尼减振 |
5.1.1 主动质量阻尼器原理 |
5.1.2 被动调谐质量阻尼器参数确定 |
5.2 主控力的计算 |
5.2.1 桁架竖直方向振动的力学方程建立 |
5.2.2 振动控制系统状态方程的建立 |
5.2.3 系统能控性和稳定性分析 |
5.2.4 LQR控制算法 |
5.2.5 加权矩阵的选择 |
5.3 LQG控制算法基本原理 |
5.4 LQG控制器设计 |
5.4.1 系统的能观性 |
5.4.2 Kalman滤波器 |
5.4.3 LQG控制算法Simulink仿真 |
5.5 本章小结 |
结论 |
参考文献 |
致谢 |
(10)复杂多变量系统闭环辨识与内模控制方法研究(论文提纲范文)
学位论文数据集 |
摘要 |
abstract |
第一章 绪论 |
1.1 引言 |
1.2 内模控制方法 |
1.2.1 内模控制基本原理 |
1.2.2 内模控制国内外研究现状 |
1.2.3 多变量系统内模控制研究现状 |
1.2.4 多变量非方系统内模控制研究现状 |
1.3 系统辨识方法 |
1.3.1 系统辨识简介 |
1.3.2 多变量系统辨识研究现状 |
1.4 主要研究内容 |
第二章 基于强化学习的频域响应估计法(CARLA-FRE) |
2.1 引言 |
2.2 频域响应估计法 |
2.2.1 开环控制系统的频域分析 |
2.2.2 闭环控制系统的频域分析 |
2.2.3 频域分析方法的优缺点 |
2.3 基于强化学习的频域响应估计法 |
2.3.1 强化学习基本原理 |
2.3.2 连续动作强化学习自动机算法 |
2.3.3 基于CARLA的频域响应估计法 |
2.4 CARLA算法性能验证 |
2.5 本章小结 |
第三章 基于CARLA-FRE辨识的多变量系统内模控制应用 |
3.1 引言 |
3.2 问题描述 |
3.3 基于CARLA-FRE的多变量系统内模控制 |
3.3.1 基于CARLA-FRE的多变量方系统辨识 |
3.3.2 基于CARLA-FRE的多变量非方系统辨识 |
3.3.3 多变量系统的内模控制器设计方法 |
3.4 仿真实验 |
3.4.1 多变量方系统辨识——Wood-Berry模型 |
3.4.2 多变量非方系统辨识——Shell模型 |
3.5 本章小结 |
第四章 基于LQG控制方法的多变量多时滞过程最优控制 |
4.1 引言 |
4.2 卡尔曼滤波和最优控制介绍 |
4.2.1 卡尔曼滤波理论 |
4.2.2 最优控制 |
4.2.3 状态反馈原理 |
4.2.4 状态空间模型构造 |
4.3 基于最优控制方法的多变量多时滞过程控制律设计 |
4.3.1 基于卡尔曼滤波器的状态估计 |
4.3.2 最优控制律设计 |
4.4 仿真研究 |
4.5 本章小结 |
第五章 一类强耦合非方系统的内模控制方法优化研究 |
5.1 引言 |
5.2 问题描述 |
5.3 基于惩罚伪逆的时滞非方系统内模控制方法 |
5.3.1 解耦内模控制结构 |
5.3.2 内模控制器的设计 |
5.3.3 稳态性能分析 |
5.3.4 基于CARLA的最大惩罚因子ρ_0寻优 |
5.4 基于补偿器原理的非方系统内模控制方法 |
5.4.1 补偿器的设计 |
5.4.2 方形子系统的选择 |
5.4.3 内模控制器的应用 |
5.5 仿真分析 |
5.5.1 基于惩罚伪逆的内模控制器设计 |
5.5.2 基于补偿器原理的内模控制器设计 |
5.5.3 以上两种内模控制器的仿真分析 |
5.6 小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
研究成果及发表的学术论文 |
作者和导师简介 |
附件 |
四、PRECISE INTEGRATION METHOD FOR LQG OPTIMAL MEASUREMENT FEEDBACK CONTROL PROBLEM(论文参考文献)
- [1]固体氧化物燃料电池—燃气轮机混合系统的区间LQG控制策略研究[D]. 毛盈盈. 东北电力大学, 2021(09)
- [2]自适应光学系统扰动模型辨识及最优控制技术研究[D]. 王佳英. 中国科学院大学(中国科学院光电技术研究所), 2020(02)
- [3]线性自抗扰控制方法及其压水堆功率控制研究[D]. 刘玉燕. 华北电力大学(北京), 2020(06)
- [4]基于深度强化学习的自适应光学波前控制研究[D]. 许振兴. 电子科技大学, 2020(03)
- [5]基于磁流变阻尼器的1/4车辆半主动悬架系统混合控制策略研究[D]. 徐荣霞. 华东交通大学, 2020(01)
- [6]永磁同步风能转换系统振动抑制及鲁棒控制研究[D]. 周飞航. 西安理工大学, 2020(01)
- [7]基于光电检测与信息处理的风电系统先进控制策略研究[D]. 曹松青. 苏州科技大学, 2020(08)
- [8]基于DLUKF的非线性控制方法研究[D]. 何弘毅. 北京化工大学, 2020(02)
- [9]大型桁架式桥梁检测车主动减振研究[D]. 马彪. 长安大学, 2020(06)
- [10]复杂多变量系统闭环辨识与内模控制方法研究[D]. 蒋美英. 北京化工大学, 2019(01)