为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current ...为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current control,STEKO-MFPCC)策略。首先,分析电机在模型失配工况下的集总扰动,建立系统超局部模型;其次,设计EKO估计超局部模型中非线性部分,同时引入强跟踪滤波策略,快速调整误差协方差矩阵,优化增益矩阵,提升传统扩展卡尔曼算法的动态性能;最后,构建含有中点电位和电流的预测方程,输出令代价函数最小的电压矢量。实验结果表明,相较传统MFPCC,所提方法有效抑制中点电位波动,提升电机转速响应速度,改善输出电流质量,在参数扰动工况下增强系统鲁棒性和抗扰动能力。展开更多
随着风电机组基础结构的不断增大,风电机组的控制方法面临新的机遇和挑战,而遥感测量技术的发展给传统风电机组控制策略提供一个新的研究领域。该文提出了基于激光雷达(light detection and ranging,LIDAR)辅助风电机组模型预测控制方...随着风电机组基础结构的不断增大,风电机组的控制方法面临新的机遇和挑战,而遥感测量技术的发展给传统风电机组控制策略提供一个新的研究领域。该文提出了基于激光雷达(light detection and ranging,LIDAR)辅助风电机组模型预测控制方法来实现控制系统对风速扰动的前馈补偿控制。首先根据叶素动量理论分析风电机组的载荷情况和LIDAR预测风轮迎风面的有效风速,利用扩展卡尔曼滤波重建噪声状态的非线性风电机组模型的未知状态,对预测时域状态值的进行预测实时处理,以求解最小目标函数获取系统当前时刻的最优化控制,使得系统参考轨迹和未来输出值之间差值实现最小化。最后,通过进行风电机组传统控制方法与LIDAR辅助线性模型预测控制、非线性模型预测控制的对比实验,证明LIDAR与模型预测控制相结合的控制方式能在一定程度上提高大型风电机组的风能利用系数,缓解风电机组的疲劳载荷。展开更多
针对传统控制方法难以解决自由漂浮空间机器人(free-floating space robot, FFSR)轨迹跟踪过程中的各类约束的问题,采用模型预测控制对自由漂浮空间机器人的轨迹跟踪问题进行了研究.在自由漂浮空间机器人拉格朗日动力学模型的基础上,建...针对传统控制方法难以解决自由漂浮空间机器人(free-floating space robot, FFSR)轨迹跟踪过程中的各类约束的问题,采用模型预测控制对自由漂浮空间机器人的轨迹跟踪问题进行了研究.在自由漂浮空间机器人拉格朗日动力学模型的基础上,建立了系统伪线性化的扩展状态空间模型;在给定系统的性能指标和各类约束的情况下,基于拉盖尔模型设计相应的离散模型预测控制器,并证明控制器的稳定性,控制器中引入任务空间滑模变量实现了对末端期望位置和期望速度的同时跟踪;以平面二杆自由漂浮空间机器人为例,对无约束末端轨迹跟踪和有约束末端轨迹跟踪两种情况进行对比仿真验证.仿真结果表明,该模型预测控制器不仅可以实现对末端期望轨迹的有效跟踪,还能满足各类约束.展开更多
文摘为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current control,STEKO-MFPCC)策略。首先,分析电机在模型失配工况下的集总扰动,建立系统超局部模型;其次,设计EKO估计超局部模型中非线性部分,同时引入强跟踪滤波策略,快速调整误差协方差矩阵,优化增益矩阵,提升传统扩展卡尔曼算法的动态性能;最后,构建含有中点电位和电流的预测方程,输出令代价函数最小的电压矢量。实验结果表明,相较传统MFPCC,所提方法有效抑制中点电位波动,提升电机转速响应速度,改善输出电流质量,在参数扰动工况下增强系统鲁棒性和抗扰动能力。
文摘随着风电机组基础结构的不断增大,风电机组的控制方法面临新的机遇和挑战,而遥感测量技术的发展给传统风电机组控制策略提供一个新的研究领域。该文提出了基于激光雷达(light detection and ranging,LIDAR)辅助风电机组模型预测控制方法来实现控制系统对风速扰动的前馈补偿控制。首先根据叶素动量理论分析风电机组的载荷情况和LIDAR预测风轮迎风面的有效风速,利用扩展卡尔曼滤波重建噪声状态的非线性风电机组模型的未知状态,对预测时域状态值的进行预测实时处理,以求解最小目标函数获取系统当前时刻的最优化控制,使得系统参考轨迹和未来输出值之间差值实现最小化。最后,通过进行风电机组传统控制方法与LIDAR辅助线性模型预测控制、非线性模型预测控制的对比实验,证明LIDAR与模型预测控制相结合的控制方式能在一定程度上提高大型风电机组的风能利用系数,缓解风电机组的疲劳载荷。
文摘针对传统控制方法难以解决自由漂浮空间机器人(free-floating space robot, FFSR)轨迹跟踪过程中的各类约束的问题,采用模型预测控制对自由漂浮空间机器人的轨迹跟踪问题进行了研究.在自由漂浮空间机器人拉格朗日动力学模型的基础上,建立了系统伪线性化的扩展状态空间模型;在给定系统的性能指标和各类约束的情况下,基于拉盖尔模型设计相应的离散模型预测控制器,并证明控制器的稳定性,控制器中引入任务空间滑模变量实现了对末端期望位置和期望速度的同时跟踪;以平面二杆自由漂浮空间机器人为例,对无约束末端轨迹跟踪和有约束末端轨迹跟踪两种情况进行对比仿真验证.仿真结果表明,该模型预测控制器不仅可以实现对末端期望轨迹的有效跟踪,还能满足各类约束.
