针对无人水下机器人(unmanned underwater vehicle,UUV)工作中存在的执行器故障,在系统不确定性与外界干扰下,提出一种基于有限时间扰动观测器(finite time disturbance observer,FTDO),并结合改进模型的自适应鲁棒容错控制方法。一方面...针对无人水下机器人(unmanned underwater vehicle,UUV)工作中存在的执行器故障,在系统不确定性与外界干扰下,提出一种基于有限时间扰动观测器(finite time disturbance observer,FTDO),并结合改进模型的自适应鲁棒容错控制方法。一方面,FTDO能在有限时间内对外界环境干扰进行估计;另一方面利用滑模控制加上径向基神经网络(radial basis function neyral network,RBF)的万能逼近特性,建立带有执行器故障的输入补偿;其中改进模型的引入解决了系统不确定性导致的输入饱和,提高了稳定性与鲁棒性;其次采用一种新型的双幂趋近律使滑模量在更短时间收敛到稳态误差界内;仿真与水池实验结果表明了所提方法相对于滑模控制有着更好的容错效果。展开更多
LCL并网逆变器在采用基于事件触发机制的模型预测控制时,存在数控延迟及系统稳态性能易受运行工况变化影响等问题。为此,提出一种自适应事件触发的两步模型预测控制(adaptive event-triggered model predictive control with 2 steps,AE...LCL并网逆变器在采用基于事件触发机制的模型预测控制时,存在数控延迟及系统稳态性能易受运行工况变化影响等问题。为此,提出一种自适应事件触发的两步模型预测控制(adaptive event-triggered model predictive control with 2 steps,AET-MPC-2S)策略。首先,在模型预测控制环节中,该控制策略通过结合事件触发机制,筛选出合适的开关矢量进行两步预测;其次,AET-MPC引入自适应变量来监测系统的运行状态,对事件触发条件进行实时调节;最后,通过Matlab仿真和RT-LAB半实物平台进行验证。结果表明:AET-MPC-2S能够在实现延迟补偿的同时,减少两步预测的计算量,且不影响电流的跟踪效果,并能在运行工况发生变化后实时调节事件触发条件,使系统保持较好的稳态性能。论文研究可为降低LCL并网逆变器的开关频率以及改善系统的稳态性能提供参考。展开更多
文摘针对无人水下机器人(unmanned underwater vehicle,UUV)工作中存在的执行器故障,在系统不确定性与外界干扰下,提出一种基于有限时间扰动观测器(finite time disturbance observer,FTDO),并结合改进模型的自适应鲁棒容错控制方法。一方面,FTDO能在有限时间内对外界环境干扰进行估计;另一方面利用滑模控制加上径向基神经网络(radial basis function neyral network,RBF)的万能逼近特性,建立带有执行器故障的输入补偿;其中改进模型的引入解决了系统不确定性导致的输入饱和,提高了稳定性与鲁棒性;其次采用一种新型的双幂趋近律使滑模量在更短时间收敛到稳态误差界内;仿真与水池实验结果表明了所提方法相对于滑模控制有着更好的容错效果。
文摘LCL并网逆变器在采用基于事件触发机制的模型预测控制时,存在数控延迟及系统稳态性能易受运行工况变化影响等问题。为此,提出一种自适应事件触发的两步模型预测控制(adaptive event-triggered model predictive control with 2 steps,AET-MPC-2S)策略。首先,在模型预测控制环节中,该控制策略通过结合事件触发机制,筛选出合适的开关矢量进行两步预测;其次,AET-MPC引入自适应变量来监测系统的运行状态,对事件触发条件进行实时调节;最后,通过Matlab仿真和RT-LAB半实物平台进行验证。结果表明:AET-MPC-2S能够在实现延迟补偿的同时,减少两步预测的计算量,且不影响电流的跟踪效果,并能在运行工况发生变化后实时调节事件触发条件,使系统保持较好的稳态性能。论文研究可为降低LCL并网逆变器的开关频率以及改善系统的稳态性能提供参考。
