锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模...锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模型,给出了该方法的设计过程,在不同的充放电电流倍率和环境温度下,进行了锂电池模型的参数辨识,通过与常用的扩展卡尔曼滤波法相比较,分析了离散滑模观测器对锂电池SOC估计的精度、鲁棒性和算法复杂度等方面的性能。实验结果表明,采用该算法可实现锂电池SOC快速精确地估计,误差可控制在约3%,验证了该方法的可行性。展开更多
为了抑制锂电池固有的非线性特性以及复杂的车载环境所带来的外部干扰对锂电池荷电状态(state of charge,SoC)估算的影响,采用改进的Thevenin锂电池等效电路模型,利用扩展粒子群算法(extended particle swarm optimization,EPSO)离线辨...为了抑制锂电池固有的非线性特性以及复杂的车载环境所带来的外部干扰对锂电池荷电状态(state of charge,SoC)估算的影响,采用改进的Thevenin锂电池等效电路模型,利用扩展粒子群算法(extended particle swarm optimization,EPSO)离线辨识以及在线修正模型参数,并设计了一种离散PI观测器(discrete PI observer,DPIO)来获得锂电池SoC估算值,该算法具有结构简单,易于移植等优点。实际测量数据结合MATLAB/Simulink仿真实验结果显示基于扩展PSO和离散PI观测器的锂电池SoC估计值最大绝对误差小于2.5%,优于基于扩展卡尔曼滤波算法的SoC估算算法和基于人工神经网络的SoC估算算法,而且速度更快,鲁棒性更好,能够胜任实际车载锂电池估算场合的需求。展开更多
为了提高级联H桥静止无功发生器(SVG)的动态性能和跟踪精度,提出了一种改进的无差拍控制方法。首先建立了级联H桥在dq坐标系下的数学模型和离散状态方程,然后在传统的无差拍控制算法的基础上分别设计了新的状态观测器对电流和电压进行...为了提高级联H桥静止无功发生器(SVG)的动态性能和跟踪精度,提出了一种改进的无差拍控制方法。首先建立了级联H桥在dq坐标系下的数学模型和离散状态方程,然后在传统的无差拍控制算法的基础上分别设计了新的状态观测器对电流和电压进行观测。在常规离散状态观测器的基础上,预先计算设置的中间变量,提前预测下一拍指令电流,从而减小控制延时。并采用了改进的重复预测算法预估输出电压以提高电压跟踪精度。最后,搭建了级联H桥SVG的MATLAB仿真模型和10 k V等级的系统试验样机,并与常规状态观测器算法进行了对比仿真实验。结果表明:与常规状态观测器相比,采用所提出的改进无差拍控制算法得到的电网电流总谐波失真(THD)数值从3.21%减小到1.18%;该算法在有效提高系统的跟踪精度和动态响应速度的同时,深度消除了采样延时所带来的跟踪滞后问题,有效提高系统的无功补偿性能。展开更多
A discrete observer-based repetitive control(RC) design method for a linear system with uncertainties was presented based on two-dimensional(2D) system theory. Firstly, a 2D discrete model was established to describe ...A discrete observer-based repetitive control(RC) design method for a linear system with uncertainties was presented based on two-dimensional(2D) system theory. Firstly, a 2D discrete model was established to describe both the control behavior within a repetition period and the learning process taking place between periods. Next, by converting the designing problem of repetitive controller into one of the feedback gains of reconstructed variables, the stable condition was obtained through linear matrix inequality(LMI) and also the gain coefficient of repetitive system. Numerical simulation shows an exceptional feasibility of this proposal with remarkable robustness and tracking speed.展开更多
文摘锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模型,给出了该方法的设计过程,在不同的充放电电流倍率和环境温度下,进行了锂电池模型的参数辨识,通过与常用的扩展卡尔曼滤波法相比较,分析了离散滑模观测器对锂电池SOC估计的精度、鲁棒性和算法复杂度等方面的性能。实验结果表明,采用该算法可实现锂电池SOC快速精确地估计,误差可控制在约3%,验证了该方法的可行性。
文摘为了抑制锂电池固有的非线性特性以及复杂的车载环境所带来的外部干扰对锂电池荷电状态(state of charge,SoC)估算的影响,采用改进的Thevenin锂电池等效电路模型,利用扩展粒子群算法(extended particle swarm optimization,EPSO)离线辨识以及在线修正模型参数,并设计了一种离散PI观测器(discrete PI observer,DPIO)来获得锂电池SoC估算值,该算法具有结构简单,易于移植等优点。实际测量数据结合MATLAB/Simulink仿真实验结果显示基于扩展PSO和离散PI观测器的锂电池SoC估计值最大绝对误差小于2.5%,优于基于扩展卡尔曼滤波算法的SoC估算算法和基于人工神经网络的SoC估算算法,而且速度更快,鲁棒性更好,能够胜任实际车载锂电池估算场合的需求。
文摘为了提高级联H桥静止无功发生器(SVG)的动态性能和跟踪精度,提出了一种改进的无差拍控制方法。首先建立了级联H桥在dq坐标系下的数学模型和离散状态方程,然后在传统的无差拍控制算法的基础上分别设计了新的状态观测器对电流和电压进行观测。在常规离散状态观测器的基础上,预先计算设置的中间变量,提前预测下一拍指令电流,从而减小控制延时。并采用了改进的重复预测算法预估输出电压以提高电压跟踪精度。最后,搭建了级联H桥SVG的MATLAB仿真模型和10 k V等级的系统试验样机,并与常规状态观测器算法进行了对比仿真实验。结果表明:与常规状态观测器相比,采用所提出的改进无差拍控制算法得到的电网电流总谐波失真(THD)数值从3.21%减小到1.18%;该算法在有效提高系统的跟踪精度和动态响应速度的同时,深度消除了采样延时所带来的跟踪滞后问题,有效提高系统的无功补偿性能。
基金Project(61104072) supported by the National Natural Science Foundation of China
文摘A discrete observer-based repetitive control(RC) design method for a linear system with uncertainties was presented based on two-dimensional(2D) system theory. Firstly, a 2D discrete model was established to describe both the control behavior within a repetition period and the learning process taking place between periods. Next, by converting the designing problem of repetitive controller into one of the feedback gains of reconstructed variables, the stable condition was obtained through linear matrix inequality(LMI) and also the gain coefficient of repetitive system. Numerical simulation shows an exceptional feasibility of this proposal with remarkable robustness and tracking speed.
