为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面...为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。展开更多
切换非线性系统在不同模式间平稳切换和经济切换是全局优化运行的主要需求.针对不同模式有限时域下控制算法可行域未必存在交集的系统,提出了对应的经济预测控制算法(Economic model predictive control,EMPC)及切换策略.切换发生时,该...切换非线性系统在不同模式间平稳切换和经济切换是全局优化运行的主要需求.针对不同模式有限时域下控制算法可行域未必存在交集的系统,提出了对应的经济预测控制算法(Economic model predictive control,EMPC)及切换策略.切换发生时,该方法在实时优化层求解和更新可行中间点,并构造基于耗散的局部EMPC辅助性能指标,在考虑中间点稳定性问题上使其尽可能逼近原经济性能.在先进控制层,利用局部EMPC将状态逐次稳定至中间点,同时利用中间点问题得到的最优轨迹保证模式间的经济切换.最后,分析了切换过程的暂态经济性.该方法实际可操作性强,仿真结果说明了方法的有效性.展开更多
针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud contr...针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.展开更多
文摘为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。
文摘切换非线性系统在不同模式间平稳切换和经济切换是全局优化运行的主要需求.针对不同模式有限时域下控制算法可行域未必存在交集的系统,提出了对应的经济预测控制算法(Economic model predictive control,EMPC)及切换策略.切换发生时,该方法在实时优化层求解和更新可行中间点,并构造基于耗散的局部EMPC辅助性能指标,在考虑中间点稳定性问题上使其尽可能逼近原经济性能.在先进控制层,利用局部EMPC将状态逐次稳定至中间点,同时利用中间点问题得到的最优轨迹保证模式间的经济切换.最后,分析了切换过程的暂态经济性.该方法实际可操作性强,仿真结果说明了方法的有效性.
文摘针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.
