针对轧机厚度机理模型逐渐不满足现有的控制精度要求的现象,提出了一种基于数据驱动的热轧带钢厚度预测与控制方法.该方法通过对输入空间数据进行在线聚类划分,在各子空间使用最小二乘支持向量机(least square support vector machine,L...针对轧机厚度机理模型逐渐不满足现有的控制精度要求的现象,提出了一种基于数据驱动的热轧带钢厚度预测与控制方法.该方法通过对输入空间数据进行在线聚类划分,在各子空间使用最小二乘支持向量机(least square support vector machine,LS-SVM)在线算法建立非线性模型,并预测系统的输出值,利用预测控制方法求得控制量,根据控制器加权策略得到全局控制量.仿真结果证明了该方法的有效性.展开更多
矩阵变换器无中间直流环节,易受电网扰动和负载扰动的影响.针对这一问题,本文设计了矩阵变换器输入侧无源性控制器以改善控制系统特性.首先,在直–交坐标系下建立输入侧的端口受控耗散哈密尔顿(port-controlled Hamiltonian with dissip...矩阵变换器无中间直流环节,易受电网扰动和负载扰动的影响.针对这一问题,本文设计了矩阵变换器输入侧无源性控制器以改善控制系统特性.首先,在直–交坐标系下建立输入侧的端口受控耗散哈密尔顿(port-controlled Hamiltonian with dissipation,PCHD)算子模型.然后,设计了基于互联和阻尼配置的无源性控制器,用来实现对输入电流快速准确的跟踪.重新配置了系统的平衡点,通过注入阻尼提高系统的收敛速度,并从理论上对闭环系统的渐进稳定性进行了分析.仿真结果表明,系统在非正常工况下仍能保证输入电流为正弦,相比传统偏差修正法,该控制策略具有更好的动态性能和抗干扰能力.展开更多
基金supported by the Fundamental Research Funds for the Central Universities(Nos.FRF-AS-11-004B,FRF-SD-12-008B)Beijing Key Discipline Development Program(No.XK100080537)
文摘针对轧机厚度机理模型逐渐不满足现有的控制精度要求的现象,提出了一种基于数据驱动的热轧带钢厚度预测与控制方法.该方法通过对输入空间数据进行在线聚类划分,在各子空间使用最小二乘支持向量机(least square support vector machine,LS-SVM)在线算法建立非线性模型,并预测系统的输出值,利用预测控制方法求得控制量,根据控制器加权策略得到全局控制量.仿真结果证明了该方法的有效性.
文摘矩阵变换器无中间直流环节,易受电网扰动和负载扰动的影响.针对这一问题,本文设计了矩阵变换器输入侧无源性控制器以改善控制系统特性.首先,在直–交坐标系下建立输入侧的端口受控耗散哈密尔顿(port-controlled Hamiltonian with dissipation,PCHD)算子模型.然后,设计了基于互联和阻尼配置的无源性控制器,用来实现对输入电流快速准确的跟踪.重新配置了系统的平衡点,通过注入阻尼提高系统的收敛速度,并从理论上对闭环系统的渐进稳定性进行了分析.仿真结果表明,系统在非正常工况下仍能保证输入电流为正弦,相比传统偏差修正法,该控制策略具有更好的动态性能和抗干扰能力.
